MétaCan
Menu
Retour à la cohorte
Enregistrement W2041239330 · doi:10.1111/j.1463-1326.2011.01404.x

High‐density lipoprotein‐cholesterol and not HbA1c was directly related to cardiovascular outcome in PROactive

2011· article· en· W2041239330 sur OpenAlexaff
Eleuterio Ferrannini, D. J. Betteridge, John Dormandy, B Charbonnel, Robert G. Spanheimer, Erland Erdmann, R. A. DeFronzo, Markku Laakso

Notice bibliographique

RevueDiabetes Obesity and Metabolism · 2011
Typearticle
Langueen
DomaineMedicine
ThématiqueLipoproteins and Cardiovascular Health
Établissements canadiensQueen's University
Organismes subventionnairesEli Lilly and Company
Mots-clésPioglitazoneMedicineInternal medicineBlood pressureMyocardial infarctionPost-hoc analysisType 2 diabetesCholesterolPlaceboCardiologyStroke (engine)Diabetes mellitusEndocrinology

Résumé

récupéré en direct d'OpenAlex

AIM: In PROactive, pioglitazone reduced the incidence of death, myocardial infarction and stroke, and significantly improved HbA1c, systolic blood pressure (SBP), triglycerides and high-density lipoprotein (HDL)-cholesterol relative to placebo. As these glycaemic and lipid parameters are major cardiovascular (CV) risk factors, we assessed their separate contribution to the reduced incidence of CV outcomes. METHODS: Patients (n = 5238) with type 2 diabetes and macrovascular disease were randomized to 45 mg pioglitazone or placebo. Relationships among treatment, outcome (time to first event of all-cause mortality, myocardial infarction and stroke) and 10 laboratory measurements and vital signs were investigated using log-linear models. Continuous variable measurements (percent changes from baseline to average of all postbaseline values prior to censoring) were made discrete by categorizing into tertiles. Log-linear models were fitted to multiway tables of discrete data and analysis of deviance used to summarize sources of variation in the data. RESULTS: Although pioglitazone treatment was associated with a decrease in HbA1c and an increase in HDL-cholesterol (HDL-C), only the change from baseline HDL-C predicted the outcome (χ(2) = 28.89, p < 0.0001). No other variables, including HbA1c, triglycerides and systolic blood pressure, showed significant direct associations with outcome. When the analysis was extended to include baseline statin use, this was associated with an improved outcome independently of HDL-C changes. CONCLUSIONS: This post hoc analysis suggests that HDL-C, but probably not HbA1c, is a driver of pioglitazone's favourable influence on CV outcome.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,002
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,019
Tête enseignante GPT0,229
Écart entre enseignants0,210 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations25
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDiabetes Obesity and MetabolismMême sujetLipoproteins and Cardiovascular HealthTravaux en français237 207