Race/ethnic disparities in risk factor control and survival in the bypass angioplasty revascularization investigation 2 diabetes (BARI 2D) trial.
Notice bibliographique
Résumé
This study sought to evaluate the impact of race/ethnicity on cardiovascular risk factor control and on clinical outcomes in a setting of comparable access to medical care. The BARI 2D trial enrolled 1,750 participants from the United States and Canada that self-reported either White non-Hispanic (n [ 1,189), Black non-Hispanic (n =349), or Hispanic (n =212) race/ethnicity. Participants had type 2 diabetes and coronary artery disease and were randomized to cardiac and glycemic treatment strategies. All patients received intensive target-based medical treatment for cardiac risk factors. Average follow-up was 5.3 years. Kaplan-Meier survival curves and Cox proportional hazards regression models were constructed to assess potential differences in mortality and cardiovascular outcomes across racial/ethnic groups. Long-term risk of death and death/myocardial infarction/stroke did not vary significantly by race/ethnicity (5-year death: 11.0% Whites, 13.7% Blacks, 8.7% Hispanics, p =0.19; adjusted hazard ratio 1.18 Black versus White, 95% confidence interval 0.84 to 1.67, p = 0.33 and 0.82 Hispanic versus White, 95% confidence interval 0.51 to 1.34, p =0.43). Among the 1,168 patients with suboptimal risk factor control at baseline, the ability to attain better risk factor control during the trial was associated with higher 5-year survival (71%, 86% and 95% for patients with 0 or 1, 2, and 3 factors in control, respectively, p <0.001); this pattern was observed within each race/ethnic group. In conclusion, significant race/ethnic differences in cardiac risk profiles that persisted during follow-up did not translate into significant differences in 5-year death or death/MI/stroke.
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) | 0,001 | 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 ».