Abstract 15701: Relationship Between Cardiac Biomarkers and Major Adverse Cardiovascular Events in DECLARE-TIMI 58
Notice bibliographique
Résumé
Introduction: Biomarkers of hemodynamic stress and myocardial injury are associated with the risk of CV death & heart failure in patients with atherosclerotic vascular disease (ASCVD). Here we explore the association between cardiac biomarkers and ASCVD outcomes in patients with type 2 diabetes (T2DM). Methods: This was a nested biomarker study in DECLARETIMI 58, a randomized, blinded, placebo-controlled trial of dapagliflozin in T2DM and either multiple risk factors (MRF, ~60%) or established ASCVD (~40%). The relationship between baseline NT-proBNP and hsTnT levels (TIMI Biomarker Laboratory, n=14,565) and the composite of myocardial infarction, ischemic stroke, and CV death (MACE), was modeled within the placebo arm using Cox models adjusted for age, sex, race, smoking, baseline eGFR, BMI, T2DM duration, insulin use, history of CAD, MI, ischemic stroke, PAD, HF, dyslipidemia & hypertension. Interaction testing was applied to assess the effect of dapagliflozin according to baseline biomarker value. Results: NT-proBNP and hsTnT were significantly associated with MACE (Adjusted hazard ratio (aHR) per 1-SD in log-transformed biomarker, NT-proBNP: aHR 1.62; hsTnT aHR 1.59). The magnitude of the relationship was similar in patients with ASCVD (NT-proBNP aHR 1.60; hsTnT aHR 1.62) and MRF (NT-proBNP aHR 1.62; hsTnT: aHR 1.51) [Fig A] . Moreover, both biomarkers remained independently associated with MACE when combined in the multivariable model (NT-proBNP aHR 1.46, hsTnT aHR 1.39). The risk of MACE by baseline biomarker level and stratified by treatment arm is shown in Fig B. Conclusions: In patients with T2DM both with and without ASCVD, higher baseline NT-proBNP or hsTnT levels identified patients at increased risk of MACE. The difference in MACE rates between dapagliflozin and placebo tended to be more pronounced in ASCVD patients with higher baseline or NT-proBNP or hsTnT levels.
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 | 0,004 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».