ข้อมูลจากบทคัดย่อ
ยังไม่มีสรุปภาษาไทยสำหรับระเบียนนี้
ด้านล่างเป็นบทคัดย่อต้นฉบับภาษาอังกฤษจากข้อมูลบรรณานุกรม โปรดตรวจบทความต้นฉบับก่อนอ้างอิง
Despite strong evidence supporting the benefits of sodium-glucose cotransporter-2 inhibitor (SGLT2i) for managing type 2 diabetes, heterogeneity of treatment response is rarely assessed. This study aims to demonstrate the heterogeneity effects of SGLT2i for preventing chronic kidney disease (CKD) via a causal machine learning model. A retrospective cohort study was conducted. Data from 2,280 type 2 diabetes patients were used to develop a double/debiased machine learning (DDML) model for CKD prediction; a conventional treatment effect (TE) model was also constructed for comparison. Model performance was evaluated using area under the receiver operating characteristic curve, and calibration plot. Subsequently, average treatment effects (ATEs) and conditional average treatment effects (CATEs) of SGLT2i versus non-SGLT2i were estimated and compared among models. A neural network (NN) was selected for the DDML framework for CKD prediction. Although the conventional TE model demonstrated slightly better discrimination and calibration, the DDML-NN produced comparable results. The ATEs (95% confidence interval) estimated by DDML-NN and conventional TE models were –0.0399 (–0.0600, –0.0199) and − 0.0424 (− 0.0616, − 0.0232), respectively. Corresponding CATE ranges were –0.3945 to 0.2495 and − 0.6968 to 0.0026. Patients gaining higher benefits from SGLT2i trended to be older, male, and overweight, compared to who were benefited less from SGLT2i. The protective effect of SGLT2i against CKD was indicated, albeit heterogeneous. Counterfactual models including DDML-NN and conventional TE models demonstrated similar performance. However, data from a larger cohort are still required to draw a firm conclusion.
เหตุผลที่อยู่ในฐานติดตาม
ระเบียนนี้ได้รับ Impact Signal 79/100 จากความใหม่ แหล่งเผยแพร่ ความร่วมมือ และสัญญาณในข้อมูลบรรณานุกรม คะแนนนี้ใช้จัดลำดับการติดตาม ไม่ใช่การตัดสินคุณภาพงานวิจัย
ประเด็นที่เกี่ยวข้อง: Diabetes Treatment and Management · Chronic Kidney Disease and Diabetes · Bariatric Surgery and Outcomes
บทบาทของนักวิจัยและสถาบันไทย
Tanawan Kongmalai · Panu Looareesuwan · Amarit Tansawet · Sukanya Siriyotha · Patratorn Kunakorntham · Burin Boonwatcharapai · Ammarin Thakkinstian · Siriraj Hospital · Mahidol University · Ramathibodi Hospital · Chulalongkorn University · King Chulalongkorn Memorial Hospital
ข้อจำกัดของข้อมูล
หน้านี้เป็นระเบียนบรรณานุกรมและข้อมูลจากบทคัดย่อ ยังไม่ใช่บทวิเคราะห์ฉบับเต็มหรือการประเมินคุณภาพงานวิจัย ควรตรวจสอบ DOI และเอกสารต้นฉบับก่อนนำไปอ้างอิง