Effects of Sacubitril/Valsartan vs Valsartan in De Novo vs Acute on Chronic HFpEF and HFmrEF
Notice bibliographique
Résumé
Decompensated heart failure (HF) can be categorized as de novo or worsening of chronic HF. In PARAGLIDE-HF (Prospective comparison of ARNI with ARB Given following stabiLization In DEcompensated HFpEF), among patients with an ejection fraction >40% that stabilized after worsening HF, sacubitril/valsartan led to a significantly greater reduction in N-terminal pro-B-type natriuretic peptide (NT-proBNP) and was associated with clinical benefit compared to valsartan. This prespecified analysis characterized patients with de novo vs worsening chronic HF in PARAGLIDE-HF and assessed the interaction between HF chronicity and the effect of sacubitril/valsartan. Patients were classified as de novo (first diagnosis of HF) or chronic (known HF prior to the index event). Time-averaged proportional change in NT-proBNP from baseline to weeks 4 and 8 was analyzed using an analysis of covariance model. A win ratio consisting of time to cardiovascular death, number and times of HF hospitalizations during follow-up, number and times of urgent HF visits during follow-up, and time-averaged proportional change in NT-proBNP was assessed for each group. Of the 466 participants, 153 (33%) had de novo HF and 313 (67%) had chronic HF. De novo patients had lower rates of atrial fibrillation/flutter and lower creatinine. There was a nonsignificant reduction in NT-proBNP with sacubitril/valsartan vs valsartan for de novo (0.82; 95% CI: 0.62-1.07) and chronic HF (0.88; 95% CI: 0.73-1.07), interaction P = 0.66. The win ratio was nominally in favor of sacubitril/valsartan for both de novo (1.12; 95% CI: 0.70-1.58) and chronic HF (1.24; 95% CI: 0.89-1.71). There is no interaction between HF chronicity and the effect of sacubitril-valsartan.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| 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 | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».