MétaCan
Menu
Retour à la cohorte
Enregistrement W2906946509 · doi:10.1161/circulationaha.118.034516

Effects of Liraglutide on Cardiovascular Outcomes in Patients With Type 2 Diabetes Mellitus With or Without History of Myocardial Infarction or Stroke

2018· article· en· W2906946509 sur OpenAlexaff
Subodh Verma, Neil R Poulter, Deepak L. Bhatt, Stephen C. Bain, John B. Buse, Lawrence A. Leiter, Michael A. Nauck, Richard E. Pratley, Bernard Zinman, David D. Ørsted, Tea Monk Fries, Søren Rasmussen, Steven P. Marso

Notice bibliographique

RevueCirculation · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueDiabetes Treatment and Management
Établissements canadiensMount Sinai HospitalLunenfeld-Tanenbaum Research InstituteSt. Michael's Hospital
Organismes subventionnairesnon disponible
Mots-clésMedicineLiraglutideStroke (engine)Myocardial infarctionInternal medicineDiabetes mellitusCardiologyType 2 diabetesIncidence (geometry)Adverse effectSurgeryEndocrinology

Résumé

récupéré en direct d'OpenAlex

Background: The glucagon-like peptide-1 analog liraglutide reduced cardiovascular events and mortality in patients with type 2 diabetes mellitus in the LEADER trial (Liraglutide and Cardiovascular Outcomes in Type 2 Diabetes). In a post hoc analysis, we evaluated the efficacy of liraglutide in those with and without a history of myocardial infarction (MI) and/or stroke. Methods: LEADER was a randomized trial of liraglutide (1.8 mg or maximum tolerated dose) versus placebo in 9340 patients with type 2 diabetes mellitus and high cardiovascular risk, with a median follow-up of 3.8 years. The primary outcome was a composite of cardiovascular death, nonfatal MI, or nonfatal stroke (major adverse cardiovascular events). Risk groups in this post hoc analysis were defined by history of MI/stroke, established atherosclerotic cardiovascular disease without MI/stroke, or cardiovascular risk factors alone. Results: Of the 9340 patients, 3692 (39.5%) had a history of MI/stroke, 3083 (33.0%) had established atherosclerotic cardiovascular disease without MI/stroke, and 2565 (27.5%) had risk factors alone. Major adverse cardiovascular events occurred in 18.8% of patients with a history of MI/stroke (incidence rate, 5.0 per 100 patient-years), 11.6% of patients with established atherosclerotic cardiovascular disease without MI/stroke (incidence rate, 3.0 per 100 patient-years), and 9.8% of patients with cardiovascular risk factors alone (incidence rate, 2.6 per 100 patient-years). Liraglutide reduced major adverse cardiovascular events in patients with a history of MI/stroke (322 of 1865 [17.3%] versus 372 of 1827 patients [20.4%]; hazard ratio, 0.85; 95% CI, 0.73–0.99) and in those with established atherosclerotic cardiovascular disease without MI/stroke (158 of 1538 [10.3%] versus 199 of 1545 patients [12.9%]; hazard ratio, 0.76; 95% CI, 0.62–0.94) compared with placebo. In patients with risk factors alone, the hazard ratio for liraglutide versus placebo was 1.08 (95% CI, 0.84–1.38, P interaction =0.11). Similar results were seen for secondary outcomes across risk groups. Conclusions: In this post hoc analysis of patients with type 2 diabetes mellitus and high cardiovascular risk, liraglutide reduced cardiovascular outcomes both in patients with a history of MI/stroke and in those with established atherosclerotic cardiovascular disease without MI/stroke. The cardiovascular effect appeared neutral in patients with cardiovascular risk factors alone. Clinical Trial Registration: URL: https://www.clinicaltrials.gov . Unique identifier: NCT01179048.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai randomisé · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,010
Tête enseignante GPT0,213
Écart entre enseignants0,203 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeEssai randomisé
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations119
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCirculationMême sujetDiabetes Treatment and ManagementTravaux en français237 207