Cardiac Stress and Inflammatory Markers as Predictors of Heart Failure in Patients With Type 2 Diabetes: The ADVANCE Trial
Notice bibliographique
Résumé
OBJECTIVE: This study examined the individual and combined effect of N-terminal pro-B-type natriuretic peptide (NT-proBNP), high-sensitivity cardiac troponin T (hs-cTnT), interleukin-6 (IL-6), and hs-CRP on the prediction of heart failure incidence or progression in patients with type 2 diabetes. RESEARCH DESIGN AND METHODS: A nested case-cohort study was conducted in 3,098 participants with type 2 diabetes in the Action in Diabetes and Vascular Disease: Preterax and Diamicron Modified Release Controlled Evaluation (ADVANCE) trial. RESULTS: A higher value of each biomarker was significantly associated with a higher risk of heart failure incidence or progression, after adjustment for major risk factors. The hazard ratios per 1-SD increase were 3.06 (95% CI 2.37, 3.96) for NT-proBNP, 1.50 (1.27, 1.77) for hs-cTnT, 1.48 (1.27, 1.72) for IL-6, and 1.32 (1.12, 1.55) for hs-CRP. The addition of NT-proBNP to the model including conventional risk factors meaningfully improved 5-year risk-predictive performance (C statistic 0.8162 to 0.8800; continuous net reclassification improvement [NRI] 73.1%; categorical NRI [<5%, 5-10%, >10% 5-year risk] 24.2%). In contrast, the addition of hs-cTnT, IL-6, or hs-CRP did not improve the prediction metrics consistently in combination or when added to NT-proBNP. CONCLUSIONS: Only NT-proBNP strongly and consistently improved the prediction of heart failure in patients with type 2 diabetes beyond a wide range of clinical risk factors and biomarkers.
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 | 0,002 |
| 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 | 0,000 |
| 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) | 0,002 | 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 ».