Abstract 12923: Development of a Novel Biomarker-based Risk Score for Heart Failure in Patients With Diabetes
Notice bibliographique
Résumé
Introduction: Heart failure (HF) is a prognostically important complication of T2DM, the risk of which can be reduced by SGLT2 inhibitors. Clinical factors and circulating biomarkers of myocardial injury and hemodynamic stress predict risk of hosp for HF (HHF) in pts with T2DM. Aim: We aimed to develop and validate a biomarker-based risk score for HHF in pts with T2DM and to assess whether this score can identify high-risk pts with T2DM who have the greatest reduction in HHF risk with SGLT2 inhibition. Methods: Blood samples were prospectively collected from pts enrolled in SAVOR-TIMI 53 and DECLARE-TIMI 58 at randomization; high-sensitivity troponin T (hsTnT) and N-terminal B-type natriuretic peptide (NT-proBNP) were measured. We derived a risk score in 6106 pts with T2DM in the placebo arm of SAVOR-TIMI 53. Candidate variables (n=27) were assessed using Cox regression. The strongest indicators of HHF risk (based on Wald χ;2 values) were selected for inclusion and assigned integer weights. We externally validated the score in 7251 T2DM pts in the placebo arm of DECLARE-TIMI 58. Hazard ratios (HR) and absolute risk reductions (ARR) in HHF with the SGLT2 inhibitor dapagliflozin were assessed by baseline risk group. Results: The strongest independent indicators of HHF risk were NT-proBNP and hsTnT concentrations, and prior HF (each p<0.001). A risk score using these 3 variables identified a strong gradient of HHF risk (p-trend <0.001) in both the derivation and validation cohorts, with c-indices of 0.87 and 0.84, respectively. HRs with dapagliflozin were similar across risk groups (p-int = 0.64); however, ARRs were greater in those at higher baseline risk (p-trend <0.001), with high- (10-13 points) and very high-risk (14+ points) pts having 3.2% and 4.4% ARRs in KM estimates of HHF at 4 yrs, respectively ( Fig ). Conclusions: A novel biomarker-based risk score for HHF in pts with T2DM identifies pts at higher risk of HHF who derive greater absolute benefit from SGLT2 inhibitors.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».