MétaCan
Menu
Retour à la cohorte
Enregistrement W7074136971

Effect of SGLT2 inhibitors on stroke and atrial fibrillation in diabetic kidney disease: Results from the CREDENCE trial and meta-analysis

2021· article· en· W7074136971 sur OpenAlexfundno aff

Notice bibliographique

RevueAston Publications Explorer (Aston University) · 2021
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueTheoretical and Computational Physics
Établissements canadiensnon disponible
Organismes subventionnairesAstraZenecaAmarin CorporationNational Health and Medical Research CouncilVerily Life SciencesMedical Research CouncilNational Institutes of HealthHLS TherapeuticsBristol-Myers SquibbAkebia TherapeuticsMitsubishi Tanabe Pharma CorporationDaiichi Sankyo EuropeServierNovo NordiskCanadian Institutes of Health ResearchPfizerInnovent BiologicsJanssen Scientific AffairsKidney Foundation of CanadaNational Institute of Diabetes and Digestive and Kidney DiseasesSanofiKowa CompanyAblynxAlnylam PharmaceuticalsAmgenEli Lilly and Company
Mots-clésStroke (engine)Diabetes mellitusAlbuminuriaRenal functionAtrial fibrillationCanagliflozinKidney diseaseApixabanHazard ratioNephropathy
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

BACKGROUND AND PURPOSE: Chronic kidney disease with reduced estimated glomerular filtration rate or elevated albuminuria increases risk for ischemic and hemorrhagic stroke. This study assessed the effects of sodium glucose cotransporter 2 inhibitors (SGLT2i) on stroke and atrial fibrillation/flutter (AF/AFL) from CREDENCE (Canagliflozin and Renal Events in Diabetes With Established Nephropathy Clinical Evaluation) and a meta-Analysis of large cardiovascular outcome trials (CVOTs) of SGLT2i in type 2 diabetes mellitus. METHODS: CREDENCE randomized 4401 participants with type 2 diabetes mellitus and chronic kidney disease to canagliflozin or placebo. Post hoc, we estimated effects on fatal or nonfatal stroke, stroke subtypes, and intermediate markers of stroke risk including AF/AFL. Stroke and AF/AFL data from 3 other completed large CVOTs and CREDENCE were pooled using random-effects meta-Analysis. RESULTS: In CREDENCE, 142 participants experienced a stroke during follow-up (10.9/1000 patient-years with canagliflozin, 14.2/1000 patient-years with placebo; hazard ratio [HR], 0.77 [95% CI, 0.55-1.08]). Effects by stroke subtypes were: ischemic (HR, 0.88 [95% CI, 0.61-1.28]; n=111), hemorrhagic (HR, 0.50 [95% CI, 0.19-1.32]; n=18), and undetermined (HR, 0.54 [95% CI, 0.20-1.46]; n=17). There was no clear effect on AF/AFL (HR, 0.76 [95% CI, 0.53-1.10]; n=115). The overall effects in the 4 CVOTs combined were: Total stroke (HRpooled, 0.96 [95% CI, 0.82-1.12]), ischemic stroke (HRpooled, 1.01 [95% CI, 0.89-1.14]), hemorrhagic stroke (HRpooled, 0.50 [95% CI, 0.30-0.83]), undetermined stroke (HRpooled, 0.86 [95% CI, 0.49-1.51]), and AF/AFL (HRpooled, 0.81 [95% CI, 0.71-0.93]). There was evidence that SGLT2i effects on total stroke varied by baseline estimated glomerular filtration rate (P=0.01), with protection in the lowest estimated glomerular filtration rate (45 mL/min/1.73 m2]) subgroup (HRpooled, 0.50 [95% CI, 0.31-0.79]). CONCLUSIONS: Although we found no clear effect of SGLT2i on total stroke in CREDENCE or across trials combined, there was some evidence of benefit in preventing hemorrhagic stroke and AF/AFL, as well as total stroke for those with lowest estimated glomerular filtration rate. Future research should focus on confirming these data and exploring potential mechanisms.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,011
score de la tête « metaresearch » (Gemma)0,020
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: Méta-analyse
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,057

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,020
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0110,033
Bibliométrie0,0020,003
Études des sciences et des technologies0,0000,000
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,018
Tête enseignante GPT0,236
Écart entre enseignants0,218 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeMéta-analyse
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAston Publications Explorer (Aston University)Même sujetTheoretical and Computational PhysicsTravaux en français237 207