The Role of GLP-1R and GIPR Agonism in Heart Failure
Notice bibliographique
Résumé
Heart failure (HF) is a clinical syndrome characterized by signs and symptoms of structural and functional cardiac abnormalities. It is corroborated by elevated N-terminal pro‑B‑type natriuretic peptide (NT-proBNP) levels and objective evidence of pulmonary or systemic congestion. More than 100,000 Canadians are diagnosed with HF annually. For years, HF has been classified based on left ventricular ejection fraction (LVEF). HF with reduced ejection fraction (HFrEF) refers to symptomatic HF with an LVEF <40%. However, if the LVEF is >50%, this is known as HF with preserved ejection fraction (HFpEF). In HFpEF, obesity is commonly implicated in the disease pathophysiology, and is present in up to 80% of people with this condition. Obesity contributes to concentric heart remodelling through mechanisms such as insulin resistance, diabetes, hyperlipidemia, visceral adipose tissue expansion, and myocardial steatosis. Additionally, obesity leads to a pro-inflammatory state which affects the vasculature and visceral organs.2 Glucagon‑like peptide-1 receptor agonists (GLP‑1RAs), such as semaglutide, have shown promise in weight reduction across multiple Phase 3 clinical trials. Agents combining GLP-1RA and glucose-dependent insulinotropic peptide receptor (GIPR) agonism, such as tirzepatide, have also contributed to clinically significant weight loss. As such, their impact in addressing obesity‑related HFpEF is under investigation. This paper reviews the data on GLP-1RAs and tirzepatide in patients with HF across the LVEF spectrum, with a particular focus on those with HFpEF.
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 ».