Uso dos inibidores de SGLT2 na insuficiência cardíaca: uma revisão de literatura
Bibliographic record
Abstract
Introdução: A insuficiência cardíaca (IC), síndrome clínica complexa caracterizada pela incapacidade do coração de atender às demandas metabólicas tissulares em pressões de enchimento adequadas, afeta entre 1% e 2% da população adulta mundial. Apesar da disponibilidade de diversas terapias, a IC ainda está relacionada a altas taxas de morbimortalidade, destacando-se, portanto, a necessidade de novas estratégias terapêuticas. Nesse contexto, estudos com os inibidores SGTL2, inicialmente utilizados como hipoglicemiantes, surgem como uma nova possibilidade. Objetivos: Discutir os possíveis benefícios e mecanismos de ação dos inibidores SGLT2, além de analisar seu uso no tratamento da IC. Metodologia: Foram realizadas buscas na base de dados PubMed, de sete artigos no idioma inglês, datados de 2017 a 2020, utilizando os descritores “Sodium-Glucose Transporter 2 Inhibitors”, “Heart Failure” e “Drug Therapy”. Discussão: Diversos estudos mostraram o efeito benéfico dos inibidores SGLT2 em pacientes com IC. O ensaio DOPA-HF demonstrou a aplicabilidade de dapagliflozina no tratamento de ICFEr em pacientes sem diabetes; o estudo EMPEROR-reduced identificou uma redução na mortalidade e na hospitalização por IC nos pacientes com ICFEr tratados com empagliflozina. Sugere-se que esses fármacos apresentam como efeitos cardioprotetores a inibição da remodelação cardíaca, o aumento da natriurese e da eritropoiese e a redução da pressão glomerular. Conclusão: Os inibidores SGLT2 são candidatos promissores para o tratamento de pacientes diabéticos e não diabéticos diagnosticados com IC. São necessários novos estudos envolvendo diferentes populações, a fim de corroborar os benefícios do uso dessa classe de medicamentos para estes pacientes.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.004 | 0.015 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.002 | 0.002 |
| Bibliometrics | 0.006 | 0.007 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.003 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.003 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".