Abstract 11603: Comparing Analytical Methods for Composite Endpoints in Heart Failure With Reduced Ejection Fraction: Insights From the VICTORIA Trial
Notice bibliographique
Résumé
Background: In the VICTORIA trial in patients with heart failure with reduced ejection fraction, vericiguat (V) versus placebo (P) reduced the primary composite outcome (heart failure hospitalization [HFH] or cardiovascular death [CVD]) from 38.5 to 35.5% (1869 events: V=897, P=972) ( Fig A ). In this prespecified analysis, we assessed vericiguat’s treatment effect using weighted composite endpoint (WCEP) and win-ratio (WR) methods. Methods: Clinical events were centrally adjudicated. A survey of 37 international trial leaders conducted before database lock led to the derivation of relative weights of subtypes of HFH (mild [change in therapy] 0.39; moderate [requiring IV diuresis] 0.50; severe [urgent deterioration requiring inotropic support] 0.67) and CVD (1.0). A WCEP model estimated the effect of vericiguat on mean survival after severity-weighting recurrent HFH events and CVD. The unmatched WR approach, which accounted for recurrent HFH events, was applied with the hierarchy of HFH Results: All 3412 primary clinical events in 5050 patients were analyzed in the WCEP model (855 CVD [V=414, P=441]; 875 severe HFH [V=416, P=459]; 1614 moderate HFH [V=767, P=847]; 68 mild HFH [V=38, P=30]). WCEP yielded a higher hospitalization-adjusted survival in the vericiguat arm (mean 78.2 vs 75.6%; difference [95% CI]: 2.4% (1.7-3.2%]; p<.0001) ( Fig B ). 2608 events were used in the WR model (V=1232, P=1376) which also found an improvement in clinical outcomes in the vericiguat arm (WR [95% CI]: 1.13 [1.03-1.24]; p=0.01) ( Fig C ). Conclusions: These 2 alternative methods complement the primary VICTORIA analysis with more refined characterization of vericiguat’s treatment effect. While both WCEP and WR included recurrent events, the prespecified WCEP approach allowed for inclusion of all recurrent events and further insight into the severity of HFH. These findings may help inform health providers, consumers, and those planning future HFrEF trials.
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 | 0,150 | 0,186 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,005 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».