Uptake of novel evidence-based therapies in patients with type 2 diabetes after a cardiovascular event: insights from CANHEART
Notice bibliographique
Résumé
Background: A cardiovascular (CV) hospitalization is a seminal opportunity to implement guideline-directed medical therapy (GDMT). Sodium-glucose transporter 2 inhibitors (SGLT2is) and glucagon-like peptide-1 receptor agonists (GLP1RAs) can improve outcomes among those with type 2 diabetes mellitus (T2DM) and CV disease. Methods: We conducted a population-based cohort study among patients aged ≥ 66 years with T2DM in Ontario hospitalized for a CV event (myocardial infarction, heart failure, peripheral arterial disease, ischemic stroke) from June 2015 to March 2022, who were followed until March 2023. We examined use of GDMT before vs after the index event, including use of SGLT2is, GLP1RAs, statins, and others medications. Results: We identified 75,869 people aged ≥ 66 years with T2DM (median age 78 years; 43% female). The proportion receiving SGLT2is was 9% before index hospitalization and 29% during the follow-up period. GLP1RA was used for 1% before vs 9% after, compared with 65% before and 86% after for statins. Use of novel GDMT increased across the follow-up period. The incidence of SGLT2i use 1-year posthospitalization was 4% in 2016 vs 39% in 2021; for GLP1RA use, the incidence was 0% in 2016 vs 11% in 2021. Conclusions: A rise in the use of novel GDMT suggests increasing adoption of therapies to optimize secondary prevention in patients with T2DM and CV disease after index CV events.
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) | 0,000 | 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 ».