Effects of <scp>SGLT2</scp> inhibitors across the spectrum of albuminuria in cardiovascular–kidney–metabolic conditions: A pooled analysis of randomised trials
Notice bibliographique
Résumé
BACKGROUND: Albuminuria is associated with an increased risk of cardiovascular and kidney events. Sodium glucose co-transporter 2 inhibitors (SGLT2i) reduce albuminuria and improve kidney outcomes in patients with albuminuric chronic kidney disease (CKD). Patients with low- or without albuminuria have been underrepresented in randomised clinical trials (RCTs), and the effects of SGLT2i on cardiovascular and kidney outcomes across the full range of albuminuria require further investigation. AIMS: To study the effects of SGLT2i on kidney and cardiovascular outcomes across albuminuria levels in populations with different cardiovascular-kidney-metabolic (CKM) risk. METHODS: Individual-patient data pooled analysis of RCTs across the CKM spectrum. Outcomes were studied across urinary albumin-to-creatinine ratio (UACR) both as categorical and continuous variables using survival and mixed effects models. RESULTS: ) baseline UACR was 28 (8-240) mg/g: 13 669 (51.1%) had UACR <30 mg/g, 6904 (25.8%) UACR 30-300 mg/g, and 6177 (23.1%) UACR >300 mg/g. Compared to patients with lower UACR, those with higher UACR were younger, with a more frequent history of hypertension, diabetes, and obesity, and lower eGFR. UACR was linearly associated with kidney and cardiovascular outcomes as well as mortality. Compared to placebo, SGLT2i reduced the risk of kidney events, HF hospitalisations, atherothrombotic events, cardiovascular and all-cause mortality across the full UACR spectrum (Pinteraction >0.1 for all outcomes). Compared to placebo, SGLT2i reduced albuminuria levels by 13%, on average: gMratio 0.87, 95%CI 0.85-0.88, p < 0.001. CONCLUSIONS: Higher albuminuria was associated with an increased risk of cardiovascular and kidney outcomes. SGLT2i improved cardiovascular and kidney outcomes across the full range of albuminuria, including normo-albuminuria.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,028 | 0,034 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,020 | 0,044 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».