Effect of dapagliflozin on kidney and cardiovascular outcomes by baseline KDIGO risk categories: a post hoc analysis of the DAPA-CKD trial
Notice bibliographique
Résumé
Abstract Aims/hypothesis In the Dapagliflozin and Prevention of Adverse Outcomes in Chronic Kidney Disease (DAPA-CKD) trial, dapagliflozin reduced the risks of progressive kidney disease, hospitalised heart failure or cardiovascular death, and death from all causes in patients with chronic kidney disease (CKD) with or without type 2 diabetes. Patients with more severe CKD are at higher risk of kidney failure, cardiovascular events and all-cause mortality. In this post hoc analysis, we assessed the efficacy and safety of dapagliflozin according to baseline Kidney Disease Improving Global Outcomes (KDIGO) risk categories. Methods DAPA-CKD was a double-blind, placebo-controlled trial that randomised patients with an eGFR of 25–75 ml min −1 [1.73 m] −2 and urinary albumin/creatinine ratio (UACR) of ≥22.6 and <565.0 mg/mmol (200–5000 mg/g) to dapagliflozin 10 mg/day or placebo. The primary endpoint was a composite of ≥50% reduction in eGFR, end-stage kidney disease (ESKD), and death from a kidney or cardiovascular cause. Secondary endpoints included a kidney composite (≥50% reduction in eGFR, ESKD and death from a kidney cause), a cardiovascular composite (heart failure hospitalisation or cardiovascular death), and death from all causes. We used Cox proportional hazards regression analyses to assess relative and absolute effects of dapagliflozin across KDIGO risk categories. Results Of the 4304 participants in the DAPA-CKD study, 619 (14.4%) were moderately high risk, 1349 (31.3%) were high risk and 2336 (54.3%) were very high risk when categorised by KDIGO risk categories at baseline. Dapagliflozin reduced the hazard of the primary composite (HR 0.61; 95% CI 0.51, 0.72) and secondary endpoints consistently across KDIGO risk categories (all p for interaction >0.09). Absolute risk reductions for the primary outcome were also consistent irrespective of KDIGO risk category ( p for interaction 0.26). Analysing patients with and without type 2 diabetes separately, the relative risk reduction with dapagliflozin in terms of the primary outcome was consistent across subgroups of KDIGO risk categories. The relative frequencies of adverse events and serious adverse events were also similar across KDIGO risk categories. Conclusion/interpretations The consistent benefits of dapagliflozin on kidney and cardiovascular outcomes across KDIGO risk categories indicate that dapagliflozin is efficacious and safe across a wide spectrum of kidney disease severity. Trial registration ClinicalTrials.gov NCT03036150. Funding The study was funded by AstraZeneca. Graphical abstract
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 | 0,012 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,009 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».