Abstract 14961: External Applicability of REDUCE-IT in a Large Diabetes Cardiovascular Outcomes Trial: A Post Hoc Analysis of EMPA-REG OUTCOME
Notice bibliographique
Résumé
Introduction: In the REDUCE-IT trial, icosapent ethyl (IPE) was shown to reduce major adverse cardiac events (MACE) including cardiovascular (CV) death in patients with elevated triglycerides (TG) and atherosclerotic CV disease (ASCVD) and/or diabetes. There are limited data evaluating the external applicability of REDUCE-IT inclusion criteria in contemporary diabetes trials. In EMPA-REG OUTCOME, empagliflozin (EMPA) reduced the risk of CV death and hospitalization for HF (HHF). We sought to evaluate the benefit of EMPA on CV outcomes across IPE eligibility in the EMPA-REG OUTCOME trial. Methods: In total, 7020 patients with type 2 diabetes and ASCVD were treated with EMPA 10mg, 25 mg, or placebo (PBO). We examined the proportion of patients that had baseline (BL) TG 135 to 499 mg/dl, LDL-C 41 to 100 mg/dl and using a statin (“REDUCE-IT-like patients”). We evaluated the effect of pooled EMPA vs. PBO on CV death, HHF, HHF or CV death (excluding fatal stroke), all-cause death, and 3-point-MACE across the subgroups of patients fulfilling vs not fulfilling the REDUCE-IT criteria at BL using Cox regression. Results: A total of 6935 patients had TG and 6932 had LDL-C available. 1810 patients (25.8%) were REDUCE-IT like with TG 206±69 vs. 158±140 mg/dl, and LDL-C 71±15 vs. 91±39 mg/dl in those who did not meet the criteria. At BL, the former had more often coronary artery disease (84 vs. 73%) and higher BMI (31.7±5.1 kg/m 2 vs. 30.3±5.3) vs. the latter group. CV event rates in PBO were similar in patients who met/did not meet the criteria. Treatment effects of EMPA vs. PBO were consistent in patients who met/did not meet the REDUCE-IT criteria (Fig). Conclusions: In patients with T2D and established ASCVD treated in EMPA-REG OUTCOME, about one-quarter of patients would qualify for IPE according to the REDUCE-IT inclusion criteria. Empagliflozin consistently reduced CV outcomes and mortality in this sub-group, suggesting that IPE and SGLT2 inhibition may be complementary.
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 | 0,012 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,006 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».