4113Glucose lowering drugs or strategies, major adverse cardiovascular events and heart failure outcomes, and association with weight loss - meta-analysis of large cardiovascular outcome trials
Notice bibliographique
Résumé
Abstract Background Glucose lowering drugs or strategies (GLDS) have varied effects on major adverse cardiovascular events (MACE) and heart failure (HF) in cardiovascular outcomes trials. Mechanisms driving cardiovascular risk reduction remain elusive. Methods We searched MEDLINE, PubMed, and meeting abstracts up to 11/21/2018 for large GLDS cardiovascular outcome trials (CVOTs) in patients with or at risk for type 2 diabetes. Primary endpoints of MACE and HF were evaluated with random effects risk ratios (RR) and explored by baseline CVD subgroups and meta-regression by weight change across treatment arms. Results In 27 GLDS CVOTs, a total 207,820 patients, median age 63 years, 64% male, 64% CVD and 11% with prior HF were studied over a mean 3.8 years with 20,118 (10%) patients having MACE and 7,212 (4%) a HF event. Compared with standard care, GLDS overall lowered MACE (RR 0.92, P<0.ehz745.01171) but not HF (RR 1.01, P=0.91). Across GLDS, the magnitude and directionality varied modestly for MACE RR (P-int=0.07) but markedly for HF (P-int<0.ehz745.01171). Meta-regression showed a change in HF RR by 6% (95% CI 3%-9%) per 1 kg weight gain/loss between treatment arms (P=0.0006; Figure). In 9 trials of GLDS that achieved marked weight loss (lifestyle, GLP1 agonists, SGLT2 inhibitors), MACE benefit was confined to patients with baseline CVD (RR 0.89 [0.84–0.95] versus without (RR 1.02 [0.91–1.15]; P-int=0.01) with consistent HF effect (RR 0.80 [0.72–0.88] vs RR 0.76 [0.56–1.03]; P-int=0.74). Heart Failure Risk and Changes in Weight Conclusion HF outcomes were improved with GLDS that lower weight. Among diabetes GLDS that lower weight, there was a robust risk reduction in atherothrombotic and heart failure events, with the MACE benefit confined to patients with established CVD. Acknowledgement/Funding Heart and Stroke Foundation
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 | 0,023 | 0,034 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,015 | 0,042 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,004 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».