Effectivity and Safety of Febuxostat in Reducing Serum Urate in Gout Patients With Chronic Kidney Disease: A Prospective Multicenter ULTRA Registry Study
Notice bibliographique
Résumé
Objective Gout, an inflammatory arthritis caused by hyperuricemia, is highly prevalent with chronic kidney disease (CKD). We evaluated longitudinal changes in serum urate (SU) levels and febuxostat dosage according to renal function. Methods Among 405 patients in the Urate-Lowering Therapy in Gout (ULTRA) registry between November 2021 and December 2023, 112 were analyzed after excluding those with < 1-year follow-up period, nonfebuxostat therapy, or missing data. SU levels and febuxostat doses were compared between the 2 groups at baseline, 6, and 12 months. Results Baseline SU levels did not differ between the normal and CKD groups. After febuxostat therapy, mean (SD) SU levels were significantly lower in the CKD group than in the normal group (at 6 months: 4.45 [1.84] mg/dL vs 5.62 [1.62] mg/dL, P = 0.001; at 12 months: 4.81 [1.81] mg/dL vs 5.60 [1.94] mg/dL, P = 0.04). Meanwhile, the mean dosages of febuxostat were lower in CKD group than in the normal group (at 6 months: 40.61 [22.07] mg vs 47.54 [19.43] mg, P = 0.11; at 12 months: 40.59 [21.73] mg vs 48.49 [19.70] mg, P = 0.06), although these differences were not statistically significant. Additionally, the proportion of patients achieving SU < 6 mg/dL at 6 months was higher in the CKD group than in the normal group (91.2% vs 68.6%, P = 0.01). Conclusion An individualized dosing strategy based on SU response, rather than renal function alone, may optimize treatment outcomes in these patients.
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 | 0,004 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».