Independent predictors of heart failure in patients with type 2 diabetes and chronic kidney disease: modeling from the CREDENCE trial
Notice bibliographique
Résumé
Abstract Background SGLT2 inhibitors have been shown to reduce hospitalization for heart failure (HHF). We sought to determine independent baseline predictors for HHF specifically in a population with type 2 diabetes and chronic kidney disease (CKD). Methods CREDENCE randomized 4401 participants with type 2 diabetes and CKD to canagliflozin 100 mg versus placebo. We evaluated the baseline clinical and demographic factors using multivariate regression modeling to identify the independent predictors of HHF. Results Overall, 230 participants (89 canagliflozin; 141 placebo) had at least 1 HHF event. Canagliflozin reduced the incidence of HHF compared with placebo (4.0% vs 6.4%; HR 0.61; 95% CI 0.47–0.80). Participants with HHF events postrandomization were older (65.8 vs 62.9 y), and had a longer duration of diabetes (17.4 vs 15.7 y), higher prevalence of prior HF (30.4% vs 14.0%), higher urinary albumin:creatinine ratio (1347 vs 904 mg/g), lower estimated glomerular filtration rate (51.5 vs 56.4 mL/min/1.73m2), and higher prevalence of prior cardiovascular disease (65.7% vs 49.6%) compared to those without HHF. Independent predictors of HHF are shown in the Table. Conclusions HHF is common in patients with type 2 diabetes and CKD. Canagliflozin reduces HHF by 39% compared with placebo. Higher urinary albumin:creatinine ratio was the most potent predictor of HHF and should be part of patient risk assessment. Funding Acknowledgement Type of funding source: Private company. Main funding source(s): Janssen Research & Development, LLC
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 | 0,008 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,004 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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) | 0,005 | 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 ».