MétaCan
Menu
Retour à la cohorte
Enregistrement W3135364842 · doi:10.1161/circheartfailure.120.008052

Cardiac and Noncardiac Disease Burden and Treatment Effect of Sacubitril/Valsartan

2021· article· en· W3135364842 sur OpenAlexaff
Luís Eduardo Paim Rohde, Brian Claggett, Emil Wolsk, Milton Packer, Michael R. Zile, Karl Swedberg, Jean L. Rouleau, Marc A. Pfeffer, Akshay S. Desai, Lars H. Lund, Lars Køber, Inder S. Anand, Béla Merkely, Michele Senni, Victor Shi, Adel R. Rizkala, Martin Lefkowitz, John J.V. McMurray, Scott D. Solomon

Notice bibliographique

RevueCirculation Heart Failure · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueHeart Failure Treatment and Management
Établissements canadiensMontreal Heart Institute
Organismes subventionnairesBritish Heart Foundation
Mots-clésMedicineSacubitril, ValsartanSacubitrilValsartanIntensive care medicineDiseaseCardiologyInternal medicineHeart failureBlood pressure

Résumé

récupéré en direct d'OpenAlex

Background: The net clinical benefit of cardiac disease-modifying drugs might be influenced by the interaction of different domains of disease burden. We assessed the relative contribution of cardiac, comorbid, and demographic factors in heart failure (HF) and how their interplay might influence HF prognosis and efficacy of sacubitril/valsartan across the spectrum of left ventricular ejection fraction. Methods: We combined data from 2 global trials that evaluated the efficacy of sacubitril/valsartan compared with a renin-angiotensin antagonist in symptomatic HF patients (PARADIGM-HF [Prospective Comparison of Angiotensin Receptor Neprilysin Inhibitor With an Angiotensin-Converting Enzyme Inhibitor to Determine Impact on Global Mortality and Morbidity in Heart Failure; n=8399] and PARAGON-HF [Prospective Comparison of Angiotensin-Converting Enzyme Inhibitor With Angiotensin Receptors Blockers Global Outcomes in Heart Failure With Preserved Ejection Fraction; n=4796]). We decomposed the previously validated Meta-Analysis Global Group in Chronic Heart Failure risk score into cardiac (left ventricular ejection fraction, New York Heart Association class, blood pressure, time since HF diagnosis, HF medications), noncardiac comorbid (body mass index, creatinine, diabetes, chronic obstructive pulmonary disease, smoking), and demographic (age, gender) categories. Based on these domains, an index representing the balance of cardiac to noncardiac comorbid burden was created (cardiac-comorbid index). Clinical outcomes were time to first HF hospitalization or cardiovascular deaths and all-cause mortality. Results: Higher scores of the cardiac domain were observed in PARADIGM-HF (10 [7–13] versus 5 [3–6], P <0.001) and higher scores of the demographic domain in PARAGON-HF (10 [8–13] versus 5 [2–9], P <0.001). In PARADIGM-HF, the contribution of the cardiac domain to clinical outcomes was greater than the noncardiac domain ( P <0.001), while in PARAGON-HF the attributable risk of the comorbid and demographic categories predominated. Individual scores from each sub-domain were linearly associated with the risk of clinical outcomes ( P <0.001). Beneficial effects of sacubitril/valsartan were observed in patients with preponderance of cardiac over noncardiac comorbid burden (cardiac-comorbid index >5 points), suggesting a significant treatment effect modification (interaction P <0.05 for both outcomes). Conclusions: Domains of disease burden are clinically relevant features that influence the prognosis and treatment of patients with HF. The therapeutic benefits of sacubitril/valsartan vary according to the balance of components of disease burden, across different ranges of left ventricular ejection fraction.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,297
Score d'incertitude au seuil0,621

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,010
Tête enseignante GPT0,262
Écart entre enseignants0,252 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations20
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCirculation Heart FailureMême sujetHeart Failure Treatment and ManagementTravaux en français237 207