Composite endpoints in trials of type‐2 diabetes
Notice bibliographique
Résumé
Composite endpoints (CEPs) are being used more frequently as outcomes for trials of drugs in type-2 diabetes. We reviewed the literature to determine how CEPs have been used to date in trials of drugs for type-2 diabetes. A systematic search was undertaken on Medline, Embase and Cochrane databases and Clinicaltrials.gov for randomized controlled trials of currently marketed agents including SGLT-2 inhibitors (dapagliflozin), GLP-1 agonists (exenatide, liraglutide) and DPP-4 inhibitors (linagliptin, saxagliptin, sitagliptin and vildagliptin). CEPs used were identified as well as numbers and percentages of patients achieving each. Thirty-six studies were identified that reported results on ≥1 CEP; 15 different CEPs were reported (7 with 2 components, 8 with 3 components). All CEPs addressed goals recommended by the American Diabetes Association (ADA). All included HbA1c<7%; other endpoints measured weight, blood pressure and hypoglycaemic events. Results were obtained for CEPs from 6 months to 2 years. Rates of achieving CEPs decreased with increasing numbers of components and outcomes assessed. CEPs are becoming used as indicators of clinical outcomes in type-2 diabetes trials, but are still not common. More research is required to identify optimal CEPs. Standardization of outcomes and their reporting is needed.
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 | 0,048 | 0,084 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,011 | 0,007 |
| Bibliométrie | 0,013 | 0,016 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».