Serum Potassium in the PARADIGM-HF Trial
Notice bibliographique
Résumé
Abstract Aims The associations between potassium level and outcomes, the effect of sacubitril–valsartan on potassium level, and whether potassium level modified the effect of sacubitril–valsartan in patients with heart failure and a reduced ejection fraction were studied in PARADIGM-HF. Several outcomes, including cardiovascular death, sudden death, pump failure death, non-cardiovascular death and heart failure hospitalization, were examined. Methods and results A total of 8399 patients were randomized to either enalapril or sacubitril–valsartan. Potassium level at randomization and follow-up was examined as a continuous and categorical variable (≤3.5, 3.6–4.0, 4.1–4.9, 5.0–5.4 and ≥5.5 mmol/L) in various statistical models. Hyperkalaemia was defined as K+ ≥5.5 mmol/L and hypokalaemia as K+ ≤3.5 mmol/L. Compared with potassium 4.1–4.9 mmol/L, both hypokalaemia [hazard ratio (HR) 2.40, 95% confidence interval (CI) 1.84–3.14] and hyperkalaemia (HR 1.42, 95% CI 1.10–1.83) were associated with a higher risk for cardiovascular death. However, potassium abnormalities were similarly associated with sudden death and pump failure death, as well as non-cardiovascular death and heart failure hospitalization. Sacubitril–valsartan had no effect on potassium overall. The benefit of sacubitril–valsartan over enalapril was consistent across the range of baseline potassium levels. Conclusions Although both higher and lower potassium levels were independent predictors of cardiovascular death, potassium abnormalities may mainly be markers rather than mediators of risk for death.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».