MétaCan
Menu
Retour à la cohorte
Enregistrement W4409628450 · doi:10.1016/j.ahj.2025.04.023

Influence of ejection fraction on outcomes with sacubitril/valsartan in patients with worsening heart failure with EF>40%: The PARAGLIDE-HF Trial

2025· article· en· W4409628450 sur OpenAlexaff
Anthony E. Peters, Shuang Li, Derek D. Cyr, Kristin Williamson, Shelley Zieroth, Marat Fudim, Jonathan H. Ward, Robert J. Mentz

Notice bibliographique

RevueAmerican Heart Journal · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueHeart Failure Treatment and Management
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesNHLBI Division of Intramural ResearchAmerican Heart AssociationCytokineticsNovartis Pharmaceuticals CorporationNational Heart, Lung, and Blood InstituteEdwards Lifesciences
Mots-clésMedicineSacubitril, ValsartanEjection fractionHeart failureSacubitrilValsartanInternal medicineCardiologyHeart failure with preserved ejection fractionBlood pressure

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: In the PARAGLIDE-HF trial, treatment with sacubitril/valsartan (Sac/Val) was associated with greater reduction in NT-proBNP than valsartan (Val) alone in patients stabilized after an episode of worsening heart failure (HF) with left ventricular ejection fraction (LVEF) >40%. Treatment effects were most apparent in the subgroup with LVEF below normal (≤60%). This prespecified analysis sought to compare the detailed treatment effects and adverse event profiles of Sac/Val vs Val in patients with LVEF ≤60% vs >60%. METHODS: Baseline demographics and clinical characteristics were compared between patients with baseline LVEF ≤60% vs >60%. Rates of recurrent composite events (adjudicated CV death, HF hospitalizations, and urgent HF visits) were compared between groups using a semi-parametric proportional rates model. These recurrent composite events were also analyzed across the continuous LVEF spectrum using restricted cubic splines. Incidence of adverse events were analyzed using a logistic regression model with LVEF ≤60% vs >60%, treatment arm, and in-hospital/out-of-hospital randomization as covariates. The interaction of LVEF category and treatment arm was assessed for all models RESULTS: Compared to those with LVEF >60%, patients with LVEF ≤60% were younger with lower NYHA class, but similar NT-proBNP values at baseline and similar co-morbidity burden. Among patients with LVEF ≤60%, those treated with Sac/Val experienced fewer recurrent composite events compared to those treated with Val (rate ratio 0.60 [95% CI: 0.37-0.99], P = .046); predominantly driven by HF hospitalizations. Patients with LVEF >60% treated with Sac/Val vs Val demonstrated similar rates of recurrent composite events (RR 1.46 [0.77-2.79], P = .24) (interaction P-value = .032). This was consistent with the continuous analysis in which patients treated with Sac/Val were significantly less likely to have events compared with patients with Val at LVEF values below 58%. Patients with LVEF >60% treated with Sac/Val experienced more symptomatic hypotension (OR 3.55 [95% CI: 1.35-9.37], P = .01) compared to those treated with Val, whereas rates of symptomatic hypotension were comparable across treatment groups in patients with LVEF ≤60% (OR 1.36 [0.79-2.32], P = .27, interaction P-value .09). CONCLUSIONS: Compared to treatment with Val in patients with worsening HF and LVEF >40%, treatment with Sac/Val is associated with greater clinical benefit in those with LVEF ≤60% than in those with LVEF >60%. CLINICAL TRIAL REGISTRATION: Clinicaltrials.gov identifier, NCT03988634.

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)0,003
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai randomisé · Signal consensuel: Essai randomisé
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 GPT0,280
Écart entre enseignants0,272 · 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'étudeEssai randomisé
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

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAmerican Heart JournalMême sujetHeart Failure Treatment and ManagementTravaux en français237 207