Several studies have suggested an association between specific diabetes treatment and cancer mortality. We studied the association between metformin use and cancer mortality in a prospectively followed cohort.In 1998 and 1999, 1,353 patients with type 2 diabetes were enrolled in the Zwolle Outpatient Diabetes project Integrating Available Care (ZODIAC) study in the Netherlands. Vital status was assessed in January 2009. Cancer mortality rate was evaluated using standardized mortality ratios (SMRs), and the association between metformin use and cancer mortality was evaluated with a Cox proportional hazards model, taking possible confounders into account.Median follow-up time was 9.6 years, average age at baseline was 68 years, and average A1C was 7.5%. Of the patients, 570 died, of which 122 died of malignancies. The SMR for cancer mortality was 1.47 (95% CI 1.22-1.76). In patients taking metformin compared with patients not taking metformin at baseline, the adjusted hazard ratio (HR) for cancer mortality was 0.43 (95% CI 0.23-0.80), and the HR with every increase of 1 g of metformin was 0.58 (95% CI 0.36-0.93).In general, patients with type 2 diabetes are at increased risk for cancer mortality. In our group, metformin use was associated with lower cancer mortality compared with nonuse of metformin. Although the design cannot provide a conclusion about causality, our results suggest a protective effect of metformin on cancer mortality.

In nondiabetic patients with ST-segment-elevation myocardial infarction, acute hyperglycemia is associated with adverse outcome. Whether this association is due merely to hyperglycemia as an acute stress response or whether longer-term glycometabolic derangements are also involved is uncertain. It was our aim to determine the association between both acute and chronic hyperglycemia (hemoglobin A(₁c) [HbA(₁c)]) and outcome in nondiabetic patients with ST-segment-elevation myocardial infarction.This observational study included consecutive patients (n=4176) without known diabetes mellitus admitted with ST-segment-elevation myocardial infarction. All patients were treated with primary percutaneous intervention. Both glucose and HbA(1c) were measured on admission. Main outcome measure was total long-term mortality; secondary outcome measures were 1-year mortality and enzymatic infarct size. One-year mortality was 4.7%, and mortality after total follow-up (3.3 ± 1.5 years) was 10%. Both elevated HbA(1c) levels (P<0.001) and elevated admission glucose (P<0.001) were associated with 1-year and long-term mortality. After exclusion of early mortality (within 30 days), HbA(₁c) remained associated with long-term mortality (P<0.001), whereas glucose lost significance (P=0.09). Elevated glucose, but not elevated HbA(₁c), was associated with larger infarct size. After multivariate analysis, HbA(₁c) (hazard ratio, 1.2 per interquartile range; P<0.01), but not glucose, was independently associated with long-term mortality.In nondiabetic patients with ST-segment-elevation myocardial infarction, both elevated admission glucose and HbA(₁c) levels were associated with adverse outcome. Both of these parameters reflect different patient populations, and their association with outcome is probably due to different mechanisms. Measurement of both parameters enables identification of these high-risk groups for aggressive secondary risk prevention.

Progressive CKD is generally detected at a late stage by a sustained decline in eGFR and/or the presence of significant albuminuria. With the aim of early and improved risk stratification of patients with CKD, we studied urinary peptides in a large cross-sectional multicenter cohort of 1990 individuals, including 522 with follow-up data, using proteome analysis. We validated that a previously established multipeptide urinary biomarker classifier performed significantly better in detecting and predicting progression of CKD than the current clinical standard, urinary albumin. The classifier was also more sensitive for identifying patients with rapidly progressing CKD. Compared with the combination of baseline eGFR and albuminuria (area under the curve [AUC]=0.758), the addition of the multipeptide biomarker classifier significantly improved CKD risk prediction (AUC=0.831) as assessed by the net reclassification index (0.303±−0.065; P <0.001) and integrated discrimination improvement (0.058±0.014; P <0.001). Correlation of individual urinary peptides with CKD stage and progression showed that the peptides that associated with CKD, irrespective of CKD stage or CKD progression, were either fragments of the major circulating proteins, suggesting failure of the glomerular filtration barrier sieving properties, or different collagen fragments, suggesting accumulation of intrarenal extracellular matrix. Furthermore, protein fragments associated with progression of CKD originated mostly from proteins related to inflammation and tissue repair. Results of this study suggest that urinary proteome analysis might significantly improve the current state of the art of CKD detection and outcome prediction and that identification of the urinary peptides allows insight into various ongoing pathophysiologic processes in CKD.