FLOW: Effects of Semaglutide on Kidney Failure Using the Kidney Failure Risk Equation
Notice bibliographique
Résumé
Background: In FLOW, once-weekly subcutaneous semaglutide 1.0 mg reduced the risk of major kidney outcomes in people with type 2 diabetes and chronic kidney disease. This post hoc analysis evaluated the effect of semaglutide on risk of kidney failure using the kidney failure risk equation (KFRE). Methods: Participants received semaglutide or placebo. The main outcome of this analysis was the 5-year risk of kidney failure (estimated glomerular filtration rate [eGFR] <15 mL/min/1.73 m2 or kidney replacement therapy) predicted with the four-variable KFRE, using creatinine-based eGFR (calculated using CKD-EPI 2009), urine albumin-to-creatinine ratio, age, and sex in a Cox regression model. Results: In total, 3533 participants were followed for (median) 3.4 years. At baseline, mean (standard deviation) KFRE scores were 0.12 (0.17) and 0.11 (0.15) in semaglutide and placebo arms, respectively. KFRE scores increased over time in both arms but were consistently lower for semaglutide (Figure A). Separation of semaglutide and placebo arms was observed from week 26, and at week 104, the estimated treatment difference was −0.06 (95% confidence interval −0.07, −0.05; p<0.0001). Modest concordance (C-index=0.58) was observed between the predicted event rate for time to kidney failure and KFRE score at baseline (Figure B). Conclusion: Predicted risk of kidney failure increased less with semaglutide vs placebo during the FLOW trial, supporting the results of the primary FLOW analyses. Funding: Commercial Support - The FLOW trial was funded by Novo Nordisk A/S
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 | 0,008 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».