Heterogeneous cardiovascular effects of sodium-glucose cotransporter 2 inhibitors in type 2 diabetes: a causal forest and target trial emulation study
Notice bibliographique
Résumé
AIMS: Evidence is limited as to who benefit the most from sodium-glucose cotransporter 2 inhibitors (SGLT2i), especially among people without elevated cardiovascular disease (CVD) risk. To address this knowledge gap, we investigated the heterogeneity in the effect of SGLT2i across CVD risk profiles. METHODS AND RESULTS: Using a target trial emulation framework, we compared SGLT2i vs. dipeptidyl peptidase 4 inhibitors (DPP4i) in a nationwide insurer-based database of working-age Japanese citizens in 2015-23. The primary outcome was a composite of all-cause death, myocardial infarction, stroke, or heart failure over 3 years. Machine learning causal forest was applied to assess heterogeneity by predicting individual-level risk reduction in primary outcomes by SGLT2i and its correlation with CVD risk score. Overall, among 150 830 individuals included in this study (mean age, 54 years; female, 13.3%), SGLT2i was associated with decreased risk of primary outcomes {3-year risk difference, +0.38 [95% confidence interval (CI): 0.16-0.61] percentage points}. The causal forest model revealed heterogeneity in the effectiveness of SGLT2i, with estimated benefit correlating weakly with CVD risk score (r = 0.287, P < 0.001). In particular, among 107 425 individuals with low CVD risk, 97 757 (91.0%) were predicted to benefit from SGLT2i. This subpopulation was characterized as individuals with higher blood pressure, body mass index, and fasting plasma glucose levels even with low CVD risk score. CONCLUSION: The cardioprotective effect of SGLT2i was heterogeneous and more strongly predicted by individual patient characteristics than by overall CVD risk score, highlighting the importance of considering its benefit beyond the conventional risk stratification approach.
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 | 0,154 | 0,189 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,011 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».