Abstract 10390: Impact of Diabetes Mellitus on the Prognosis of Patients With Heart Failure and Preserved Left Ventricle Ejection Fraction: Insights From the TOPCAT Study
Notice bibliographique
Résumé
Background: The impact of diabetes mellitus (DM) for patients with heart failure and preserved left ventricle ejection fraction (HFpEF) remains unclear. We aimed to determine the impact of DM on the prognosis of patients with DM and HFpEF enrolled in the TOPCAT trial. Methods: We classified TOPCAT patients into three groups: insulin-dependent DM (IDDM), non-insulin dependent DM (NIDDM) and non-DM. We investigated the occurrence of a major adverse cardiovascular event (MACE), defined as CV mortality, hospitalization for HF, non-fatal myocardial infarction (MI), non-fatal non-hemorrhagic stroke, or aborted cardiac arrest. Secondary outcomes included the individual components of MACE and all-cause mortality. We used multivariate Cox proportional hazards regression models to evaluate the independent associations of DM on time to MACE. Results: There were 1,134 DM patients (439 IDDM and 695 NIDDM) and 2,307 non-DM patients. The IDDM patients were younger and more likely to be male, non-white, and from the Americas. Despite having the highest median left ventricle’s ejection fraction (LVEF) (58%) compared to NIDDM and non-DM patients (57% and 56%, respectively, p=0.007), they were more symptomatic. Forty-eight percent of IDDM patients were of New York Heart Association (NYHA) III/IV functional classes compared to 36% of NIDDM and 29% of non-DM patients (p<0.001). IDDM patients had significantly increased risks for MACE, CV mortality, MI, HF hospitalization, and all-cause mortality when compared to non-DM patients (p-values<0.01). NIDDM patients had similar risks for MACE and the secondary outcomes as the non-DM patients. The effect of diabetes on outcomes was similar between regions. Conclusion: Among HFpEF patients, IDDM but not NIDDM was independently associated with increased risks of MACEs. Future research is needed to evaluate whether optimal medications and lifestyle interventions may reduce MACE in these high-risk patients.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».