Effet d’empagliflozine sur le changement (aggravation/amélioration) de groupe de risque d’IRC selon KDIGO : évalué dans EMPA-REG-OUTCOME
Bibliographic record
Abstract
L’IRC est une complication commune du DT2, caractérisé par un déclin progressif du DFG qui peut amener à l’insuffisance rénale terminale nécessitant un traitement de substitution. Les iSGLT2 réduisent la progression des IRC établies. La classification KDIGO possède 18 catégories, basée sur le DFG et le ratio albuminurie/créatininurie, organisées en 4 groupes suivant le risque de progression vers l’IRT (faible, modéré, élevé, très élevé). L’effet d’empagliflozine sur le changement (aggravation/amélioration) de groupe de risque d’IRC selon KDIGO a été évalué dans EMPA-REG-OUTCOME. 7020 patients DT2 avec maladie CV établie ont été randomisés et traités avec empa (10/25 mg) ou placebo et ont été suivis pendant 3,1 ans en moyenne. Dans cette analyse post-hoc, les patients ont été classés selon leur groupe KDIGO à l’inclusion et leur dernière valeur sous traitement. Nous avons comparé la proportion (%) de patients présentant une aggravation ou amélioration du risque entre les groupes empa et placebo selon le groupe KDIGO à l’inclusion. L’OR (95 %IC) était calculé par des modèles de régression logistique, ajusté sur le traitement, le sexe, la région, l’âge, l’IMC, l’HbA1c et le risque KDIGO. Dans les groupes empagliflozine, (risque faible, modéré, élevé), l’aggravation du risque KDIGO était plus faible que dans les groupes placebo avec un OR (95 %IC) de 0,70 (0,62,0,78) en faveur d’empa (Fig. 1). Dans les groupes de risque empagliflozine, (risque faible, modéré, élevé), l’amélioration du risque KDIGO était plus marquée que dans les groupes de risque placebo avec un OR (95 %IC) de 1,56(1,30,1,86) en faveur d’empa (Fig. 1). L’utilisation d’empa est associée à une réduction de 30 % du risque d’aggravation et à une augmentation de > 50 % de chance d’amélioration des groupes de risque d’IRC-KDIGO. Ces données soutiennent une plus grande utilisation des iSGLT2 dans un large spectre de risque d’IRC.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
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 teacher head, 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".