Sex Disparities in Cardiovascular Outcome Trials of Populations With Diabetes: A Systematic Review and Meta-analysis
Notice bibliographique
Résumé
BACKGROUND Sex differences have been described in diabetes cardiovascular outcome trials (CVOTs). PURPOSE We systematically reviewed for baseline sex differences in cardiovascular (CV) risk factors and CV protection therapy in diabetes CVOTs. DATA SOURCES Randomized placebo-controlled trials examining the effect of diabetes medications on major adverse cardiovascular events in people ≥18 years of age with type 2 diabetes. STUDY SELECTION Included trials reported baseline sex-specific CV risks and use of CV protection therapy. DATA EXTRACTION Two reviewers independently abstracted study data. DATA SYNTHESIS We included five CVOTs with 46,606 participants. We summarized sex-specific data using mean differences (MDs) and relative risks (RRs) and pooled estimates using random effects meta-analysis. There were fewer women than men in included trials (28.5–35.8% women). Women more often had stroke (RR 1.28; 95% CI 1.09, 1.50), heart failure (RR 1.30; 95% CI 1.21,1.40), and chronic kidney disease (RR 1.33; 95% CI 1.17; 1.51). They less often used statins (RR 0.90; 95% CI 0.86, 0.93), aspirin (RR 0.82; 95% CI 0.71, 0.95), and β-blockers (RR 0.93; 95% CI 0.88, 0.97) and had a higher systolic blood pressure (MD 1.66 mmHg; 95% CI 0.90, 2.41), LDL cholesterol (MD 0.34 mmol/L; 95% CI 0.29, 0.39), and hemoglobin A1c (MD 0.11%; 95% CI 0.09, 0.14 [1.2 mmol/mol; 1.0, 1.5]) than men. LIMITATIONS We could not carry out subgroup analyses due to the small number of studies. Our study is not generalizable to low CV risk groups nor to patients in routine care. CONCLUSIONS There were baseline sex disparities in diabetes CVOTs. We suggest efforts to recruit women into trials and promote CV management across the sexes.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,038 | 0,008 |
| Bibliométrie | 0,001 | 0,002 |
| 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 ».