Predictive models for cardiovascular and kidney outcomes in patients with type 2 diabetes: systematic review and meta-analyses
Notice bibliographique
Résumé
OBJECTIVE: To inform a clinical practice guideline (BMJ Rapid Recommendations) considering sodium glucose cotransporter-2 inhibitors and glucagon-like peptide-1 receptor agonists for treatment of adults with type 2 diabetes, we summarised the available evidence regarding the performance of validated risk models on cardiovascular and kidney outcomes in these patients. METHODS: We systematically searched bibliographic databases in January 2020 to identify observational studies evaluating risk models for all-cause and cardiovascular mortality, heart failure (HF) hospitalisations, end-stage kidney disease (ESKD), myocardial infarction (MI) and ischaemic stroke in ambulatory adults with type 2 diabetes. Using a random effects model, we pooled discrimination measures for each model and outcome, separately, and descriptively summarised calibration plots, when available. We used the Prediction Model Risk of Bias Assessment Tool to assess risk of bias of each included study and the Grading of Recommendations, Assessment, Development, and Evaluation approach to evaluate our certainty in the evidence. RESULTS: Of 22 589 publications identified, 15 observational studies reporting on seven risk models proved eligible. Among the seven models with >1 validation cohort, the Risk Equations for Complications of Type 2 Diabetes (RECODe) had the best calibration in primary studies and the highest pooled discrimination measures for the following outcomes: all-cause mortality (C-statistics 0.75, 95% CI 0.70 to 0.80; high certainty), cardiovascular mortality (0.79, 95% CI 0.75 to 0.84; low certainty), ESKD (0.73, 95% CI 0.52 to 0.94; low certainty), MI (0.72, 95% CI 0.69 to 0.74; moderate certainty) and stroke (0.71, 95% CI 0.68 to 0.74; moderate certainty). This model does not, however, predict risk of HF hospitalisations. CONCLUSION: Of available risk models, RECODe proved to have satisfactory calibration in primary validation studies and acceptable discrimination superior to other models, though with high risk of bias in most primary studies. TRIAL REGISTRATION NUMBER: CRD42020168351.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,008 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».