Prevalence of Prediabetes and Undiagnosed Diabetes in Patients with HFpEF and HFrEF and Associated Clinical Outcomes
Notice bibliographique
Résumé
PURPOSE: The prevalence and consequences of prediabetic dysglycemia and undiagnosed diabetes is unknown in patients with heart failure (HF) and preserved ejection fraction (HFpEF) and has not been compared to heart failure and reduced ejection fraction (HFrEF). METHODS: We examined the prevalence and outcomes associated with normoglycemia, prediabetic dysglycemia and diabetes (diagnosed and undiagnosed) among individuals with a baseline glycated hemoglobin (hemoglobin A1c, HbA1c) measurement stratified by HFrEF or HFpEF in the Candesartan in Heart failure Assessment of Reduction in Mortality and morbidity programme (CHARM). We studied the primary outcome of HF hospitalization or cardiovascular (CV) death, and all-cause death, and estimated hazard ratios (HR) by use of multivariable Cox regression models. RESULTS: HbA1c was measured at baseline in CHARM patients enrolled in the USA and Canada and was available in 1072/3023 (35%) of patients with HFpEF and 1578/4576 (34%) patients with HFrEF. 18 and 16% had normoglycemia (HbA1c < 6.0), 20 and 22% had prediabetes (HbA1c 6.0-6.4), respectively. Finally among patients with HFpEF 22% had undiagnosed diabetes (HbA1c > 6.4), and 40% had known diabetes (any HbA1c), with corresponding prevalence among HFrEF patients being 26 and 35%. The rates of both clinical outcomes of interest were higher in patients with undiagnosed diabetes and prediabetes, compared to normoglycemic patients, irrespective of HF subtype, and in general higher among HFrEF patients. For the primary composite outcome among HFpEF patients, the HRs were 1.02 (95% CI 0.63-1.65) for prediabetes, HR 1.18 (0.75-1.86) for undiagnosed diabetes and 2.75 (1.83-4.11) for known diabetes, respectively, p value for trend across groups < 0.001. Dysglycemia was also associated with worse outcomes in HFrEF. CONCLUSIONS: These findings confirm the remarkably high prevalence of dysglycemia in heart failure irrespective of ejection fraction phenotype, and demonstrate that dysglycemia is associated with a higher risk of adverse clinical outcomes, even before the diagnosis of diabetes and institution of glucose lowering therapy in patients with HFpEF as well as HFrEF.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».