MétaCan
Menu
Retour à la cohorte
Enregistrement W3209538168 · doi:10.1093/eurheartj/ehab724.2479

Neutrophil-to-lymphocyte ratio predicts cardiovascular events in patients with type 2 diabetes: post hoc analysis of SUSTAIN 6 and PIONEER 6

2021· article· en· W3209538168 sur OpenAlexaff
Subodh Verma, Mansoor Husain, Claus Madsen, Lawrence A. Leiter, Sabitha Rajan, Tina Vilsbøll, Søren Rasmussen, Peter Libby

Notice bibliographique

RevueEuropean Heart Journal · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueInflammatory Biomarkers in Disease Prognosis
Établissements canadiensTed Rogers Centre for Heart ResearchUniversity of TorontoSt. Michael's Hospital
Organismes subventionnairesNovo Nordisk
Mots-clésMedicineMaceHazard ratioInternal medicinePost-hoc analysisType 2 diabetesNeutrophil to lymphocyte ratioProportional hazards modelMyocardial infarctionSemaglutideDiabetes mellitusLymphocytePercutaneous coronary interventionConfidence intervalEndocrinologyLiraglutide

Résumé

récupéré en direct d'OpenAlex

Abstract Background Inflammation plays an important role in atherosclerosis. The neutrophil-to-lymphocyte ratio (NLR) may serve as a clinically useful biomarker of inflammation and cardiovascular (CV) disease, although this relationship has not been studied in people with type 2 diabetes (T2D). Purpose This post hoc analysis investigated the relationship between NLRs and CV outcomes in T2D CV outcomes trials for two formulations of semaglutide, a glucagon-like peptide-1 receptor agonist. Methods In pooled analyses of the SUSTAIN 6 and PIONEER 6 trials, 6,480 patients with T2D at high CV risk received placebo or semaglutide (once-weekly subcutaneously up to 1.0 mg, or once-daily orally up to 14 mg). NLRs were calculated from complete blood counts at randomisation. Adjudicated outcomes included 3-point major adverse CV events (MACE: composite of CV death, non-fatal myocardial infarction [MI] or non-fatal stroke; primary outcome), expanded MACE, CV death and all-cause death (secondary outcomes). Patient characteristics and CV outcomes were analysed according to baseline NLR tertiles using pooled trial data. Estimation of hazard ratios (HRs) for all outcomes across NLR tertiles used a Cox proportional hazards model. A Cox spline regression with continuous NLR as covariate adjusted for treatment was used to predict the event rate of first MACE at 2 years. Results Overall, baseline NLR was recorded in 6,364 patients. Mean baseline NLRs were 1.5, 2.2 and 3.6 in the low, middle and high tertiles, respectively. Patients in the high NLR tertile were older (66.6 years), more likely to be male (70.0%), had longer duration of diabetes (15.3 years), higher body weight (93.3 kg), lower diastolic blood pressure (75.5 mmHg) and estimated glomerular filtration rate (70.4 mL/min/1.73m2) vs those in the lower NLR tertiles (all p<0.0001). Higher NLR was associated with an increased risk of MACE (HR [95% confidence interval (CI)]: 1.37 [1.05; 1.80; p=0.02] and 1.86 [1.45; 2.41; p<0.0001] for the middle and high tertiles, respectively, vs the low tertile). The high NLR tertile was also associated with a 74% increased risk of expanded MACE and twofold risk for CV death and all-cause death vs the low NLR tertile (Figure 1). Spline regression indicated that NLR values >5 increased the risk of first MACE substantially (Figure 2). Further analysis of NLR and MACE by tertiles showed a more pronounced association in patients without prior MI and/or stroke (HR [95% CI]: 1.64 [1.07; 2.56]; p=0.03 and 2.09 [1.38; 3.21]; p=0.0006 in the middle and high tertiles, respectively, vs the low tertile). Conclusion Baseline NLR predicts MACE, CV death and all-cause death in patients with T2D and high CV risk. NLR is readily accessible from routinely obtained and inexpensive blood counts; it could offer a convenient, clinically useful inflammatory biomarker for CV risk prediction in this population. Funding Acknowledgement Type of funding sources: Private company. Main funding source(s): Novo Nordisk A/S Figure 1Figure 2

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,027

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0030,004
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,009
Tête enseignante GPT0,224
Écart entre enseignants0,215 · 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 source (Gemma direct ou Codex distillé), 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

Citations4
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEuropean Heart JournalMême sujetInflammatory Biomarkers in Disease PrognosisTravaux en français237 207