Comparing the effects of insulin glargine and thiazolidinediones on plasma lipids in type 2 diabetes: a patient‐level pooled analysis
Notice bibliographique
Résumé
BACKGROUND: The prevalence of dyslipidaemia and the risk of cardiovascular disease are elevated in patients with type 2 diabetes. This analysis compared the effects of insulin glargine versus thiazolidinediones (TZDs) on lipid profiles. METHODS: Patient-level data were pooled from two randomized clinical studies. The population included 552 men and women aged >18 years, diagnosed with type 2 diabetes for at least 6 months, on metformin and/or sulphonylurea, and with A(1C) ≥7.5% and <12.0% at screening. Lipid outcome measures included change from baseline in lipid levels [low-density lipoprotein cholesterol (LDL-C), high-density lipoprotein cholesterol (HDL-C), non-high-density lipoprotein cholesterol (non-HDL-C), total cholesterol, triglycerides, and free fatty acids] and attainment of lipid goals for LDL-C, non-HDL-C, and triglycerides. RESULTS: Both insulin glargine and TZDs improved lipid profiles from baseline values. Compared with TZDs, treatment with insulin glargine led to 7.9% greater reduction in LDL-C (p < 0.0003), 7.5% greater reduction in non-HDL-C (p < 0.0001), and 7.8% greater reduction in total cholesterol (p < 0.0001), whereas the HDL-C increase with TZD was 7.6% greater than that with insulin glargine (p < 0.0001). The percentage of patients attaining the lipid goals was comparable between insulin glargine and pioglitazone, but lower for rosiglitazone. Insulin glargine improved glycaemic control more than TZDs; however, insulin glargine caused more hypoglycaemia. Treatment with TZDs caused more weight gain and peripheral oedema. CONCLUSION: These findings suggest that the favourable effects of insulin glargine on plasma lipid profiles should be considered among the advantages of treatment with insulin glargine as they are for TZDs.
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 | 0,004 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| 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 | 0,001 |
| 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 ».