459 Evaluation of LDL-C reductions by siRNA treatment with inclisiran in patients with diabetes mellitus, metabolic syndrome or neither
Notice bibliographique
Résumé
Abstract Aims Patients with diabetes (DM) and metabolic syndrome (MS) have elevated risks for atherosclerotic cardiovascular disease (ASCVD). Aggressive LDL-C lowering reduces risks. Inclisiran, a new siRNA, lowers LDL-C and was evaluated in patients with Type 2 diabetes (DM), metabolic syndrome (MS) without DM or neither (N) in the ORION-10 trial. Methods ORION-10 was a double-blind, randomized, placebo controlled trial evaluating inclisiran in 1561 patients with ASCVD on maximally tolerated therapy for lowering LDL-C. 781 inclisiran (INC) participants and 780 placebo (P) patients received 1.5 mL SQ tx at Days 1, 90, then every 6 months until Day 540. We evaluated the time adjusted change in LDL-C from baseline after Days 90–540 in DM (n = 702), MS (n = 455) and N participants (n = 404). Results There were no differences in baseline demographics and background therapies between INC and P. Statins were utilized in 89.8% INC and 88.7% of P. High intensity statins were utilized in 67.2% of INC and 68.8% of P; ezetimibe in 10.2% of NC and 9.5% of P participants. INC reduced LDL-C by − 54.4% (−58.3, −50.6 95% CI) in DM, (P < 0.001), −58.6% (−62.3, −54.8), P < 0.001 in-MS and −56.0% (−60.2, −51.7), in N subjects P < 0.001 (see Figure). Conclusions Inclisiran potently and durably reduces LDL-C across patients with DM, MS and those with neither, demonstrating potent efficacy and durability across glycaemic categories. Inclisiran may also represent a potent LDL-C lowering treatment for those with DM and MS.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 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 | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».