MétaCan
Menu
Retour à la cohorte
Enregistrement W7116048439 · doi:10.1016/j.eclinm.2025.103712

Comparing rosuvastatin and atorvastatin on cardiovascular and kidney outcomes in patients with diabetes across chronic kidney disease stages: an emulated target trial in China

2025· article· en· W7116048439 sur OpenAlexaff

Notice bibliographique

RevueEClinicalMedicine · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueLipoproteins and Cardiovascular Health
Établissements canadiensUniversity of Toronto
Organismes subventionnairesChinese University of Hong KongHospital Authority
Mots-clésRosuvastatinKidney diseaseAtorvastatinDiabetes mellitusRosuvastatin CalciumKidney

Résumé

récupéré en direct d'OpenAlex

Background Statins are the cornerstone of lipid-lowering therapies in diabetes and chronic kidney disease (CKD). Rosuvastatin, compared with atorvastatin, is associated with higher risk of kidney impairment in Western populations with diabetes and CKD. However, whether its effects on cardiorenal outcomes can generalise to East Asians remains unknown especially given ethnic differences in statin metabolism. We aimed to compare the risk associations of rosuvastatin versus atorvastatin for cardiovascular-renal outcomes in Chinese people with diabetes across CKD stages. Methods For this target trial emulation, we included a propensity-score overlap-weighted cohort of 106,677 patients (aged 18+ years) with diabetes (type 1 or type 2) in Hong Kong in 2002–2019, comprising 13,737 new-atorvastatin users and 92,940 new-rosuvastatin users. Patients with missing estimated glomerular filtration rate (eGFR) or diagnosed with end-stage kidney disease (ESKD) at baseline, or aged <18 years were excluded. Propensity scores were estimated via multivariate logistic regression based on demographics, clinical characteristics, medication use, and index year. The primary outcome was the incidence of ESKD, defined as dialysis, kidney-replacement therapy, or eGFR <15 ml/min/1.73 m 2 on two occasions (≥90 days apart). We employed Cox-model adjusted for time-fixed and time-varying exposure and covariates to estimate hazard ratios (HRs) for ESKD, major-adverse cardiovascular events (MACE), all-cause mortality, and new-onset albuminuria in the propensity-score overlap-weighted cohort. Follow-up began at the index date (first prescription) and ended at the earliest occurrence of outcomes, death, or Dec 31, 2019. Findings Among 106,677 patients, 75.80% (n = 80,866), 20.47% (n = 21,842), and 3.72% (n = 3969) had CKD stages of G1-2, G3, and G4 respectively. During a median follow-up of 2.33 years, 3.45% (n = 3685) had incident ESKD; 5.78% (n = 6169) reported MACE and 10.13% (n = 10,809) died. Initial (time-fixed) exposure to rosuvastatin was associated with similar risks of ESKD, MACE, and all-cause mortality compared with atorvastatin; whereas, accounting for time-varying exposure revealed a lower risk of MACE (HR = 0.85 [0.77–0.93]) and all-cause mortality (HR = 0.88 [0.81–0.96]) with rosuvastatin. Notably, rosuvastatin was associated with a higher, dose-dependent risk of new-onset albuminuria than atorvastatin in both time-fixed and time-varying Cox models. Interpretation Our findings support similar effects of atorvastatin and rosuvastatin on ESKD, while more favourable cardiovascular effects and dose-dependent association with albuminuria were observed with rosuvastatin in East Asians with diabetes. Careful monitoring for albuminuria is needed in rosuvastatin users, and longer-term studies are required to fully assess the renal safety of rosuvastatin, especially in patients on high-intensity regimens. Funding CUHK Impact Research Fellowship Scheme.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,138
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,014
Tête enseignante GPT0,308
Écart entre enseignants0,293 · 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 tête enseignante, pas un consensus.

Devis d'étudeObservationnel
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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEClinicalMedicineMême sujetLipoproteins and Cardiovascular HealthTravaux en français237 207