Lifestyle Interventions for Patients With and at Risk for Type 2 Diabetes
Notice bibliographique
Résumé
BACKGROUND: The effect of multifaceted lifestyle interventions on clinically oriented outcomes across a spectrum of metabolic risk factors and abnormal glucose is unclear. PURPOSE: To systematically review the effectiveness of lifestyle interventions on minimizing progression to diabetes in high-risk patients or progression to clinical outcomes (such as cardiovascular disease and death) in patients with type 2 diabetes. DATA SOURCES: 5 electronic databases (1980 to June 2013), reference lists, and gray literature. STUDY SELECTION: Two reviewers independently identified randomized, controlled trials of lifestyle interventions (≥3 months' duration) that included exercise, diet, and at least 1 other component; the comparator was standard care. DATA EXTRACTION: One reviewer extracted and a second verified data. Two reviewers independently assessed methodological quality. DATA SYNTHESIS: Nine randomized, controlled trials with patients who were at risk for diabetes and 11 with patients who had diabetes were included. Seven studies reported that lifestyle interventions decreased the risk for diabetes from the end of intervention up to 10 years after it. In patients with diabetes, 2 randomized, controlled trials (which included pharmacotherapy) reported no improvement in all-cause mortality (risk ratio, 0.75 [95% CI, 0.53 to 1.06]). Composite outcomes for cardiovascular disease were too heterogeneous to pool. One trial reported improvement in microvascular outcomes at 13-year follow-up. LIMITATION: Most trials focused on surrogate measures (such as weight change, blood pressure, and lipids) for which clinical relevance was unclear. CONCLUSION: Comprehensive lifestyle interventions effectively decrease the incidence of type 2 diabetes in high-risk patients. In patients who already have type 2 diabetes, there is no evidence of reduced all-cause mortality and insufficient evidence to suggest benefit on cardiovascular and microvascular outcomes. PRIMARY FUNDING SOURCE: Agency for Healthcare Research and Quality.
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 | 0,007 | 0,043 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,004 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».