Abstract 14915: Efficacy of Canagliflozin on Heart Failure Hospitalization Across Diabetes-Specific Risk Scores
Notice bibliographique
Résumé
Introduction: Canagliflozin (CAN) vs. placebo (PBO) reduced the risk of hospitalization for heart failure (HHF) in type 2 diabetes. Whether this benefit is uniform across diabetes-specific HF risk scores (WATCH-DM and TRS-HF DM ) is not known. Methods: Using data from the pooled CANVAS and CANVAS-R trials, we stratified participants without prevalent HF by the integer WATCH-DM score derived quintiles (low [≤14] = quintiles 1-2, intermediate [15-19] = quintiles 3-4, high [≥20] = quintile 5) and by the TRS-HF DM score (low [0-1], intermediate [2], high [3-6]). Discrimination and calibration were assessed by Harrell’s C-index and Hosmer-Lemeshow test, respectively. Cox regression models evaluated the effect of CAN on risk of HHF across risk score categories. Results: Among participants without prevalent HF (n = 8,691), CAN vs. PBO reduced the risk of HHF (HR 0.80, 95% CI 0.62-1.03). The WATCH-DM score demonstrated a C-index of 0.70 (95% CI, 0.66-0.73) and no evidence of miscalibration (χ 2 < 20). CAN consistently reduced risk of HHF across WATCH-DM strata (P-intxn = 0.55) with the greatest absolute risk reduction and lowest NNT observed in the highest vs. lowest risk cohort (ARR 4.6% vs. 0.3% and NNT 22 vs. 333) ( Fig. A ). Comparatively, the TRS-HF DM demonstrated a C-index of 0.67 (95% CI, 0.63-0.71) and no evidence of miscalibration (χ 2 < 20). Similar to WATCH-DM, patients in the highest TRS-HF DM risk group derived the greatest absolute risk reduction and lowest NNT (ARR 3.1% vs. -0.3%% and NNT 32 vs. -333) with no differences across strata (P-intxn = 0.17) ( Fig. B ). Conclusions: Both the WATCH-DM and TRS-HF DM can accurately stratify HHF risk in patients with type 2 diabetes and free of HF. Greater absolute risk reductions with CAN vs PBO were observed with higher risk scores.
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 | 0,006 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».