Heart Failure Outcomes in Clinical Trials of Glucose-Lowering Agents in Patients with Diabetes
Notice bibliographique
Résumé
Diabetes is a major risk factor for heart failure (HF). Patients with diabetes have a high incidence of both clinical HF and subclinical LV dysfunction. Although intensive glucose lowering does not appear to impact on HF outcomes, the choice of glucose-lowering agents plays an important role in the development of HF and related cardiovascular outcomes. Whilst metformin and insulin appear to have little impact on HF progression, the role of sulphonylurea agents in this patient population remains uncertain. Thiazolidinediones (TZDs) are associated with a significant risk of HF progression and are best avoided in patients at risk. The incretin-based therapies (GLP agonists and DPP-4 inhibitors) are generally not associated with any HF interaction. However, a small increase in HF admissions was observed with the DPP-4 inhibitor saxagliptin. The GLP-1 agonist liraglutide was recently shown to reduce cardiovascular and all-cause mortality, yet hospitalization for HF was not significantly reduced. The SGLT2 inhibitor empagliflozin was shown to reduce HF admissions and cardiovascular mortality in patients with prior cardiovascular disease including HF. These recent data showing improved outcomes with a glucose-lowering category provide a novel strategy to improve survival and reduce morbidity in diabetic patients at high cardiovascular disease risk.
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 | 0,006 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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 ».