Hypoglycemia, Cardiovascular Outcomes, and Death: The LEADER Experience
Notice bibliographique
Résumé
OBJECTIVE In the Liraglutide Effect and Action in Diabetes: Evaluation of Cardiovascular Outcome Results (LEADER) cardiovascular (CV) outcomes trial (NCT01179048), liraglutide significantly reduced the risk of CV events (by 13%) and hypoglycemia versus placebo. This post hoc analysis examines the associations between hypoglycemia and CV outcomes and death. RESEARCH DESIGN AND METHODS Patients with type 2 diabetes and high risk for CV disease (n = 9,340) were randomized 1:1 to liraglutide or placebo, both in addition to standard treatment, and followed for 3.5–5 years. The primary end point was time to first major adverse cardiovascular event (MACE) (1,302 first events recorded), and secondary end points included incidence of hypoglycemia. We used Cox regression to analyze time to first MACE, CV death, non-CV death, or all-cause death with hypoglycemia as a factor or time-dependent covariate. RESULTS A total of 267 patients experienced severe hypoglycemia (liraglutide n = 114, placebo n = 153; rate ratio 0.69; 95% CI 0.51, 0.93). These patients had longer diabetes duration, higher incidence of heart failure and kidney disease, and used insulin more frequently at baseline than those without severe hypoglycemia. In combined analysis (liraglutide and placebo), patients with severe hypoglycemia were more likely to experience MACE, CV death, and all-cause death, with higher risk shortly after hypoglycemia. The impact of liraglutide on risk of MACE was similar in patients with and without severe hypoglycemia (P-interaction = 0.90). CONCLUSIONS Patients experiencing severe hypoglycemia were at greater risk of CV events and death, particularly shortly after the hypoglycemic episode. While causality remains unclear, reducing hypoglycemia remains an important goal in diabetes management.
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) | 0,000 | 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 ».