Cluster Analysis of Cardiovascular Phenotypes in Patients With Type 2 Diabetes and Established Atherosclerotic Cardiovascular Disease: A Potential Approach to Precision Medicine
Notice bibliographique
Résumé
OBJECTIVE Phenotypic heterogeneity among patients with type 2 diabetes mellitus (T2DM) and atherosclerotic cardiovascular disease (ASCVD) is ill defined. We used cluster analysis machine-learning algorithms to identify phenotypes among trial participants with T2DM and ASCVD. RESEARCH DESIGN AND METHODS We used data from the Trial Evaluating Cardiovascular Outcomes with Sitagliptin (TECOS) study (n = 14,671), a cardiovascular outcome safety trial comparing sitagliptin with placebo in patients with T2DM and ASCVD (median follow-up 3.0 years). Cluster analysis using 40 baseline variables was conducted, with associations between clusters and the primary composite outcome (cardiovascular death, nonfatal myocardial infarction, nonfatal stroke, or hospitalization for unstable angina) assessed by Cox proportional hazards models. We replicated the results using the Exenatide Study of Cardiovascular Event Lowering (EXSCEL) trial. RESULTS Four distinct phenotypes were identified: Cluster I included Caucasian men with a high prevalence of coronary artery disease; cluster II included Asian patients with a low BMI; cluster III included women with noncoronary ASCVD disease; and cluster IV included patients with heart failure and kidney dysfunction. The primary outcome occurred, respectively, in 11.6%, 8.6%, 10.3%, and 16.8% of patients in clusters I to IV. The crude difference in cardiovascular risk for the highest versus lowest risk cluster (cluster IV vs. II) was statistically significant (hazard ratio 2.74 [95% CI 2.29–3.29]). Similar phenotypes and outcomes were identified in EXSCEL. CONCLUSIONS In patients with T2DM and ASCVD, cluster analysis identified four clinically distinct groups. Further cardiovascular phenotyping is warranted to inform patient care and optimize clinical trial designs.
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 | 0,013 | 0,036 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,005 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».