MétaCan
Menu
Retour à la cohorte
Enregistrement W4281295871 · doi:10.1161/circulationaha.122.060402

Metabolomic Profiling of the Effects of Dapagliflozin in Heart Failure With Reduced Ejection Fraction: DEFINE-HF

2022· article· en· W4281295871 sur OpenAlexaff
Senthil Selvaraj, Zhuxuan Fu, Philip G. Jones, Lydia Coulter Kwee, Sheryl L. Windsor, Olga Ilkayeva, Christopher B. Newgard, Kenneth B. Margulies, Mansoor Husain, Silvio E. Inzucchi, Darren K. McGuire, Bertram Pitt, Benjamin M. Scirica, David E. Lanfear, Michael E. Nassif, Ali Javaheri, Robert J. Mentz, Mikhail Kosiborod, Svati H. Shah

Notice bibliographique

RevueCirculation · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueDiet and metabolism studies
Établissements canadiensTed Rogers Centre for Heart Research
Organismes subventionnairesNational Institute of Diabetes and Digestive and Kidney DiseasesNational Heart, Lung, and Blood Institute
Mots-clésMedicineEjection fractionDapagliflozinHeart failureMetabolomicsCardiologyInternal medicinePharmacologyBioinformaticsEndocrinologyDiabetes mellitus

Résumé

récupéré en direct d'OpenAlex

Background: Sodium-glucose cotransporter-2 inhibitors are foundational therapy in patients with heart failure with reduced ejection fraction (HFrEF), but underlying mechanisms of benefit are not well defined. We sought to investigate the relationships between sodium-glucose cotransporter-2 inhibitor treatment, changes in metabolic pathways, and outcomes using targeted metabolomics. Methods: DEFINE-HF (Dapagliflozin Effects on Biomarkers, Symptoms and Functional Status in Patients With HF With Reduced Ejection Fraction) was a placebo-controlled trial of dapagliflozin in HFrEF. We performed targeted mass spectrometry profiling of 63 metabolites (45 acylcarnitines [markers of fatty acid oxidation], 15 amino acids, and 3 conventional metabolites) in plasma samples at randomization and 12 weeks. Using mixed models, we identified principal components analysis–defined metabolite clusters that changed differentially with treatment and examined the relationship between change in metabolite clusters and change in Kansas City Cardiomyopathy Questionnaire scores and NT-proBNP (N-terminal probrain natriuretic peptide). Models were adjusted for relevant clinical covariates and nominal P <0.05 with false discovery rate–adjusted P <0.10 was used to determine statistical significance. Results: Among the 234 DEFINE-HF participants with targeted metabolomic data, the mean age was 62.0±11.1 years, 25% were women, 38% were Black, and mean ejection fraction was 27±8%. Dapagliflozin increased ketone-related and short-chain acylcarnitine as well as medium-chain acylcarnitine principal components analysis–defined metabolite clusters compared with placebo (nominal P =0.01, false discovery rate–adjusted P =0.08 for both clusters). However, ketosis (β-hydroxybutyrate levels >500 μmol/L) was achieved infrequently (3 [2.5%] in dapagliflozin arm versus 1 [0.9%] in placebo arm) and supraphysiologic levels were not observed. Increases in long-chain acylcarnitine, long-chain dicarboxylacylcarnitine, and aromatic amino acid metabolite clusters were associated with decreases in Kansas City Cardiomyopathy Questionnaire scores (ie, worse quality of life) and increases in NT-proBNP levels, without interaction by treatment group. Conclusions: In this study of targeted metabolomics in a placebo-controlled trial of sodium-glucose cotransporter-2 inhibitors in HFrEF, we observed effects of dapagliflozin on key metabolic pathways, supporting a role for altered ketone and fatty acid biology with sodium-glucose cotransporter-2 inhibitors in patients with HFrEF. Only physiologic levels of ketosis were observed. In addition, we identified several metabolic biomarkers associated with adverse HFrEF outcomes. Registration: URL: https://www.clinicaltrials.gov ; Unique identifier: NCT02653482.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,474
Score d'incertitude au seuil0,201

Scores Codex et Gemma par catégorie

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

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 Opus0,011
Tête enseignante GPT0,246
Écart entre enseignants0,234 · 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 tête enseignante, 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

Citations92
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCirculationMême sujetDiet and metabolism studiesTravaux en français237 207