MétaCan
Menu
Retour à la cohorte
Enregistrement W4403548978 · doi:10.1161/circheartfailure.124.011980

Metabolic Effects of the SGLT2 Inhibitor Dapagliflozin in Heart Failure Across the Spectrum of Ejection Fraction

2024· article· en· W4403548978 sur OpenAlexaff
Senthil Selvaraj, Shachi Patel, Andrew J. Sauer, Robert W. McGarrah, Philip G. Jones, Lydia Coulter Kwee, Sheryl L. Windsor, Olga Ilkayeva, Michael J. Muehlbauer, Christopher B. Newgard, Barry A. Borlaug, Dalane W. Kitzman, Sanjiv J. Shah, Kenneth B. Margulies, Mansoor Husain, Silvio E. Inzucchi, Darren K. McGuire, David E. Lanfear, Ali Javaheri, Guillermo E. Umpierrez, Robert J. Mentz, Kavita Sharma, Mikhail Kosiborod, Svati H. Shah

Notice bibliographique

RevueCirculation Heart Failure · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueCardiovascular Function and Risk Factors
Établissements canadiensTed Rogers Centre for Heart Research
Organismes subventionnairesNational Institute on Minority Health and Health DisparitiesNational Institute on AgingNational Institutes of HealthNovo NordiskVerily Life SciencesDexcomCytokineticsBoston Scientific CorporationU.S. Department of DefenseSanofiEsperion TherapeuticsGlaxoSmithKlineBristol-Myers SquibbEli Lilly and CompanyAstraZenecaNational Institute of Diabetes and Digestive and Kidney DiseasesEdwards LifesciencesAmgenNational Heart, Lung, and Blood InstituteVifor PharmaPfizerTenax TherapeuticsAlnylam Pharmaceuticals
Mots-clésDapagliflozinEjection fractionMedicineKetone bodiesHeart failureMetabolitePlaceboInternal medicineCardiologyEndocrinologyMetabolismDiabetes mellitusType 2 diabetes

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Mechanisms of benefit with SGLT2is (sodium-glucose cotransporter-2 inhibitors) in heart failure (HF) remain incompletely characterized. Dapagliflozin alters ketone and fatty acid metabolism in HF with reduced ejection fraction though similar effects have not been observed in HF with preserved ejection fraction. We explore whether metabolic effects of SGLT2is vary across the left ventricular ejection fraction spectrum and their relationship with cardiometabolic end points in 2 randomized trials of dapagliflozin in HF. METHODS: Metabolomic profiling of 61 metabolites was performed in 527 participants from DEFINE-HF (Dapagliflozin Effects on Biomarkers, Symptoms and Functional Status in Patients With HF With Reduced Ejection Fraction) and PRESERVED-HF (Dapagliflozin in PRESERVED Ejection Fraction HF; 12-week, placebo-controlled trials of dapagliflozin in HF with reduced ejection fraction and HF with preserved ejection fraction, respectively). Linear regression was used to assess changes in principal components analysis–defined metabolite factors with treatment from baseline to 12 weeks, as well as the relationship between changes in metabolite clusters and HF-related end points. RESULTS: The mean age was 66±11 years, 43% were female, and 33% were self-identified as Black. Two principal components analysis–derived metabolite factors (which were comprised of ketone and short-/medium-chain acylcarnitines) increased with dapagliflozin compared with placebo. Ketosis (defined as 3-hydroxybutyrate >500 μM) was achieved in 4.5% with dapagliflozin versus 1.2% with placebo ( P =0.03). There were no appreciable treatment effects on amino acids, including branched-chain amino acids. Increases in several acylcarnitines were consistent across LVEF ( P interaction >0.10), whereas the ketogenic effect diminished at higher LVEF ( P interaction =0.01 for 3-hydroxybutyrate). Increases in metabolites reflecting mitochondrial dysfunction (particularly long-chain acylcarnitines) and aromatic amino acids and decreases in branched-chain amino acids were associated with worse HF-related outcomes in the overall cohort, with consistency across treatment and LVEF. CONCLUSIONS: SGLT2is demonstrate common (fatty acid) and distinct (ketogenic) metabolic signatures across the LVEF spectrum. Changes in key pathways related to fatty acid and amino acid metabolism are associated with HF-related end points and may serve as therapeutic targets across HF subtypes. REGISTRATION: URL: https://www.clinicaltrials.gov ; Unique Identifiers: NCT03030235 and NCT02653482.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,176
Score d'incertitude au seuil0,440

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,008
Tête enseignante GPT0,256
Écart entre enseignants0,248 · 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 tête enseignante, 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

Citations27
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCirculation Heart FailureMême sujetCardiovascular Function and Risk FactorsTravaux en français237 207