Effects of High Density Lipoprotein Raising Therapies on Cardiovascular Outcomes in Patients with Type 2 Diabetes Mellitus, with or without Renal Impairment: The Action to Control Cardiovascular Risk in Diabetes Study
Notice bibliographique
Résumé
BACKGROUND: The role of high density lipoprotein-raising interventions in addition to statin therapy in patients with diabetes remains controversial. Chronic kidney disease (CKD) is a strong modifier of cardiovascular (CV) outcomes. We therefore investigated the impact of CKD status at baseline on outcomes in patients with diabetes randomized to standard statin or statin plus fenofibrate treatment in the Action to Control Cardiovascular Risk in Diabetes (ACCORD) lipid trial. METHODS: Among 5,464 participants in the ACCORD lipid trial, 3,554 (65%) were free of CKD at baseline, while 1,910 (35%) had mild to moderate CKD. Differences in CV outcomes during follow-up between CKD and non-CKD subgroups were examined. In addition, the effect of fenofibrate as compared to placebo on CV outcomes was examined for both subgroups. RESULTS: All CV outcomes were 1.4-3 times higher among patients with CKD as compared to non-CKD patients. In patients with CKD, the addition of fenofibrate had no effect on any of the primary or secondary outcomes. In patients without CKD, however, the addition of fenofibrate was associated with a significant 36% reduction of CV mortality (hazards ratio [HR] 0.64; 95% CI 0.42-0.97; p value for treatment interaction <0.05) and 44% lower rate of fatal or non-fatal congestive heart failure (CHF; HR 0.56; 95% CI 0.37-0.84; p value treatment interaction <0.03). CONCLUSIONS: For patients with type 2 diabetes at high CV risk but no CKD, fenofibrate therapy added to statin reduced the CV mortality and the rate of fatal and non-fatal CHF.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| 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 ».