Cardiovascular, Renal, and Metabolic Outcomes of Dapagliflozin Versus Placebo in a Primary Cardiovascular Prevention Cohort: Analyses From DECLARE-TIMI 58
Notice bibliographique
Résumé
OBJECTIVE International guidelines propose prescribing sodium–glucose cotransporter 2 (SGLT2) inhibitors to patients with type 2 diabetes (T2D) as secondary prevention in patients with established atherosclerotic cardiovascular disease (ASCVD) or for primary prevention of cardiovascular events in high-risk patients with multiple risk factors (MRF) for ASCVD. The current analyses expand on the cardiovascular renal and metabolic effects of SGLT2 inhibitors in MRF patients. RESEARCH DESIGN AND METHODS In DECLARE-TIMI 58, 17,160 patients with T2D and MRF (59.4%) or established ASCVD (40.6%) were randomized to dapagliflozin versus placebo; patients were followed for a median of 4.2 years. The cardiovascular and renal outcomes in the MRF cohort were studied across clinically relevant subgroups for treatment effect and subgroup-based treatment interaction. RESULTS Among patients with MRF, the reduction with dapagliflozin in risk of cardiovascular death or hospitalization for heart failure (CVD/HHF) (hazard ratio [HR] 0.84, 95% CI 0.67–1.04) and the renal-specific outcome (HR 0.51, 95% CI 0.37–0.69) did not differ from that for patients with ASCVD (Pinteraction 0.99 and 0.72, respectively). The effect on CVD/HHF was entirely driven by a reduction in HHF (HR 0.64, 95% CI 0.46–0.88). The benefits of dapagliflozin on HHF and on the renal-specific outcome, among the subset with MRF, were directionally consistent across clinically relevant subgroups. At 48 months, HbA1c, weight, systolic blood pressure, and urinary albumin–to–creatinine ratio were lower with dapagliflozin versus placebo and estimated glomerular filtration rate was higher (P < 0.001). CONCLUSIONS In patients with T2D and MRF, dapagliflozin reduced the risk of HHF and adverse renal outcomes regardless of baseline characteristics. These analyses support the benefit of dapagliflozin for important outcomes in a broad primary prevention population.
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 | 0,006 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,006 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,003 | 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 ».