Reduced Mortality Associated With the Use of ACE Inhibitors in Patients With Type 2 Diabetes
Notice bibliographique
Résumé
OBJECTIVE: ACE inhibitor therapy is widely used in lower-risk patients with type 2 diabetes to reduce mortality, despite limited evidence to support this clinical strategy. The aim of this study was to evaluate the association between ACE inhibitor use and mortality in patients with diabetes and no cardiovascular disease. RESEARCH DESIGN AND SETTINGS: Using the Saskatchewan health databases, 12,272 new users of oral hypoglycemic agents were identified between the years of 1991 and 1996. We excluded 3,202 subjects with previous cardiovascular disease. Of the remaining subjects, 1,187 "new users" of ACE inhibitors were identified (ACE inhibitor cohort). Subjects not receiving ACE inhibitor therapy throughout the follow-up period served as the control cohort (n = 4,989). Subjects were prospectively followed until death or the end of 1999. Multivariate Cox proportional hazards models were used to assess differences in all-cause and cardiovascular-related mortality between cohort groups. RESULTS: Subjects were 60.7 +/- 13.7 years old, 43.6% female, and were followed for an average of 5.3 +/- 2.1 years. Mean duration of ACE inhibitor therapy was 3.6 +/- 1.8 years. We observed significantly fewer deaths in the ACE inhibitor group (102 [8.6%]) compared with the control cohort (853 [17.1%]), with an adjusted hazard ratio (HR) and 95% CI of 0.49 (0.40-0.61) (P < 0.001). Cardiovascular-related mortality was also reduced (40 [3.4%] vs. 261 [5.2%], adjusted HR, 0.63 [0.44-0.90]; P = 0.012). CONCLUSIONS: The use of ACE inhibitors was associated with a significant reduction in all-cause and cardiovascular-related mortality in a broad spectrum of patients with type 2 diabetes and no cardiovascular disease.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».