Reduction in recurrent ischemic events with vorapaxar: results from TRACER
Notice bibliographique
Résumé
Purpose: Clinical trials use "time-to-first-event" analysis embedded often within the composite endpoint of cardiovascular death (CVD), MI, and stroke. However, many patients experienced nonfatal events before a fatal event and this method may not fully reflect patient benefit. We analyzed recurrent events in TRACER. Methods: TRACER randomized 12,944 patients with ACS without ST-segment elevation. Vorapaxar did not reduce the primary endpoint but reduced the secondary endpoint of CVD, MI, and stroke; 14.7% vorapaxar vs 16.4% placebo, HR 0.89, 95% CI 0.81-0.98; nominal p=0.02. Analysis of vorapaxar's effect on recurrent CVD, MI, and stroke was prespecified using the Wei, Lin, and Weishield (WLW) approach. Results: Only 1 event occurred in 10.1% vorapaxar vs 11.3% placebo. Recurrent events; n=348 occurred in 2.6% vorapaxar vs 2.8% placebo; p=0.6331. Vorapaxar significantly reduced the risk of recurrent CVD, MI and stroke after adjustment; HR 0.885; 95% CI 0.793–0.987; p=0.0284. Factors associated with risk of recurrent events are in the Table. Conclusions: Vorapaxar reduced risk of "time-to-first" event and recurrent events broadening understanding of vorapaxar's potential to reduce recurrent events.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».