Impact of Cardio-Renal-Metabolic Comorbidities on Cardiovascular Outcomes and Mortality in Type 2 Diabetes Mellitus
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: We evaluated the incremental contribution of chronic kidney disease (CKD) to the risk of major adverse cardiovascular (CV) events (MACE), heart failure (HF), and all-cause mortality (ACM) in type 2 diabetes mellitus (T2DM) patients and its importance relative to the presence of other cardio-renal-metabolic (CaReMe) comorbidities. METHODS: Patients (≥40 years) were identified at the time of T2DM diagnosis from US (Humedica/Optum) and UK (Clinical Practice Research Datalink) databases. Patients were monitored post-diagnosis for modified MACE (myocardial infarction, stroke, ACM), HF, and ACM. Adjusted hazard ratios were obtained using Cox proportional-hazards regression to evaluate the relative risk of modified MACE, HF, and ACM due to CKD. Patients were stratified by the presence or absence of atherosclerotic CV disease (ASCVD) and age. RESULTS: Between 2011 and 2015, of 227,224 patients identified with incident T2DM, 40,063 (17.64%) had CKD. Regardless of prior ASCVD, CKD was associated with higher risk of modified MACE, HF, and ACM; this excess hazard was more pronounced in older patients with prior ASCVD. In time-to-event analyses in the overall cohort, patients with T2DM + CKD or T2DM + CKD + hypertension + hyperlipidemia had increased risks for modified MACE, HF, and ACM versus patients with T2DM and no CaReMe comorbidities. Patients with CKD had higher risks for and shorter times to modified MACE, HF, and ACM than those without CKD. CONCLUSION: In T2DM patients, CKD presence was associated with higher risk of modified MACE, HF, and ACM. This may have risk-stratification implications for T2DM patients based on background CKD and highlights the potential importance of novel renoprotective strategies.
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.
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) | 0,002 | 0,001 |
| 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 découle