MétaCan
Menu
Retour à la cohorte
Enregistrement W2981890377 · doi:10.1093/eurheartj/ehz746.0871

P6272First plus recurrent CV and hospitalization events in the CArdiovascular and Renal Microvascular outcomE study with LINAgliptin (CARMELINA) in patients with type 2 diabetes and cardiorenal disease

2019· article· en· W2981890377 sur OpenAlexaff
Nikolaus Marx, Darren K. McGuire, Odd Erik Johansen, Julio Rosenstock, Steven E. Kahn, Mark E. Cooper, Robert D. Toto, Christoph Wanner, Egon Pfarr, Sven Schnaidt, Jyothis T. George, Maximilian von Eynatten, Vlado Perkovic, Bernard Zinman, James A. Alexander

Notice bibliographique

RevueEuropean Heart Journal · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueDiabetes Treatment and Management
Établissements canadiensUniversity Health NetworkMount Sinai Hospital
Organismes subventionnairesnon disponible
Mots-clésLinagliptinMedicineRenal functionPlaceboPopulationInternal medicineType 2 diabetesDiabetes mellitusConcomitantHeart failureCreatinineKidney diseaseEndocrinologyPathology

Résumé

récupéré en direct d'OpenAlex

Abstract Background/Introduction CARMELINA was a randomized placebo-controlled clinical trial designed to demonstrate the cardiovascular (CV) safety of linagliptin in patients with type 2 diabetes (T2D) and concomitant cardiorenal disease. Despite a particularly elevated CV risk, only limited long-term evidence from randomized controlled trials for safety and efficacy of glucose lowering medications is available for this population. Purpose To characterize the effects of linagliptin on net CV disease and hospitalization burden in this population. Methods People with T2D and either i) urine albumin creatinine ratio (UACR) >30 mg/g with concomitant CV disease, or ii) estimated glomerular filtration rate (eGFR) <45 ml/min/1.73m2 regardless of UACR, or eGFR ≥45–75 mL/min/1.73m2 and UACR >200 mg/g, were randomized to linagliptin 5 mg or placebo q.d. in a double-blind fashion in addition to standard of care. We assessed the effects of linagliptin versus placebo on all first plus recurrent CV events and all-cause hospitalizations using a using a negative binomial model to account for within-subject correlation. Results A total of 6979 participants were enrolled (mean age 66 years, 63% male, eGFR 54.6 ml/min/1.73m2, median UACR 162 mg/g, 59% with history of ischemic heart disease, 27% with history of heart failure (HF)) and followed for a median of 2.2 years. Adding recurrent events increased the number of events for analysis from 5.3–57.5% across CV/HF outcomes and 112.4% for hospitalizations. In analyses of first plus recurrent events, the event rate ratio (95% CI) with linagliptin versus placebo was 0.98 (0.82, 1.16; p=0.78) for 3-point MACE, 1.03 (0.79, 1.35; p=0.83) for myocardial infarction 1.03 (0.83, 1.29; p=0.77) for myocardial infarction plus revascularization, 0.89 (0.65, 1.22; p=0.48) for stroke, 0.94 (0.70, 1.27; p=0.69) for stroke plus TIA, 0.94 (0.75, 1.20; p=0.63) for hospitalized HF, 0.92 (0.77, 1.11; p=0.40) for the composite of CV death or hospitalized HF, and 0.96 (0.87, 1.06; p=0.40) for all-cause hospitalization (Figure). Conclusion Linagliptin showed similar risk of either first or recurrent CV or hospitalization events compared with placebo in patients with T2D and cardiorenal disease. These data support the CV safety of linagliptin and, considering the high volume of recurrent events, underscores the significant CV disease burden experienced by patients with T2D and cardiorenal disease Acknowledgement/Funding Boehringer Ingelheim and Eli Lilly

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)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,011
Tête enseignante GPT0,227
Écart entre enseignants0,216 · 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'étudeObservationnel
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

Citations2
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEuropean Heart JournalMême sujetDiabetes Treatment and ManagementTravaux en français237 207