MétaCan
Menu
Retour à la cohorte
Enregistrement W4384340137 · doi:10.1161/strokeaha.122.042053

Baseline Cardiovascular Risk Factor Control in Patients With Type 2 Diabetes and Coronary Disease Versus Stroke: Secondary Analysis of Cardiovascular Outcome Trials

2023· article· en· W4384340137 sur OpenAlexaff
Priyadarshini Balasubramanian, Walter N. Kernan, Kevin N. Sheth, Anne Pernille Ofstad, Julio Rosenstock, Christoph Wanner, Bernard Zinman, Michaela Mattheus, Nikolaus Marx, Silvio E. Inzucchi

Notice bibliographique

RevueStroke · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueDiabetes Treatment and Management
Établissements canadiensLunenfeld-Tanenbaum Research Institute
Organismes subventionnairesNational Center for Advancing Translational SciencesLilly DeutschlandAmicus TherapeuticsBiogenYale UniversityNovo NordiskIntarcia TherapeuticsBristol-Myers SquibbEli Lilly and CompanyAstraZenecaChiesi FarmaceuticiSanofiAmgenPfizerZOLL Medical Corporation
Mots-clésMedicineStroke (engine)Internal medicineRisk factorDiabetes mellitusDiseaseType 2 diabetesCardiologySecondary preventionCoronary heart diseaseClinical trialEndocrinology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Patients with type 2 diabetes (T2D) and cardiovascular disease are at increased risk for recurrent ischemic events. Cardiovascular risk factor control is vital for secondary prevention, but how this compares among individuals with different T2D macrovascular complications is unknown. We aimed to determine if there might be differences in risk factor control in patients with T2D with previous stroke versus coronary artery disease (CAD). METHODS: Cross-sectional analyses were performed on 12 856 patients with T2D with prior history of stroke with or without CAD from 3 diabetes cardiovascular outcome trials: CARMELINA (The Cardiovascular and Renal Microvascular Outcome Study With Linagliptin), EMPA-REG OUTCOME (Empagliflozin Cardiovascular Outcome Event Trial in Type 2 Diabetes Mellitus Patients), and CAROLINA (The Cardiovascular Outcome Study of Linagliptin vs Glimepiride in Type 2 Diabetes). Risk factors at baseline assessed included dyslipidemia, hypertension, smoking, and current antiplatelet/anticoagulant therapy. Control, respectively, was defined as LDL (low-density lipoprotein)-C <100 mg/dL or statin use, systolic blood pressure <140 and diastolic blood pressure <90 mm Hg, not currently smoking, and use of an antiplatelet/anticoagulant medication. The odds ratio of 3 to 4 (or good) versus 0 to 2 (or suboptimal) risk factors controlled was analyzed by logistic regression models. RESULTS: The odds for good versus suboptimal risk factor control in patients with CAD alone was higher than in those with stroke alone across all 3 trials odds ratios (95% CI): CARMELINA, 2.05 (1.67-2.51), EMPA-REG OUTCOME, 2.50 (2.10-2.99), and CAROLINA, 1.63 (1.21-2.20). The respective odds ratios were lower (and rendered nonsignificant in CAROLINA) when cardiovascular risk factor control in patients with both CAD and stroke were compared with those with stroke alone: CARMELINA, 1.45 (1.13-1.87); EMPA-REG OUTCOME, 1.62 (1.25-2.08); and CAROLINA, 1.16 (0.74-1.83). CONCLUSIONS: In contemporary populations of patients with T2D, there was significant discordance in control of cardiovascular risk factors between patients with stroke versus CAD, with the former having less optimal control. The intermediate results in patients with both CAD and stroke suggest that these differences could be related at least in part to clinician factors. REGISTRATION: URL: https://www. CLINICALTRIALS: gov; Unique identifiers: NCT01243424, NCT01131676, NCT01897532.

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)0,025
score de la tête « metaresearch » (Gemma)0,032
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 enseignants0,025
Score d'incertitude au seuil0,130

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0250,032
Méta-épidémiologie (sens strict)0,0020,000
Méta-épidémiologie (sens large)0,0070,010
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
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 Opus0,021
Tête enseignante GPT0,256
Écart entre enseignants0,235 · 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

Citations11
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueStrokeMême sujetDiabetes Treatment and ManagementTravaux en français237 207