A multiplicity of targets: evaluating composite endpoint studies of the GLP-1 receptor agonists in type 2 diabetes
Notice bibliographique
Résumé
OBJECTIVE: Current type 2 diabetes (T2D) treatment guidelines include weight maintenance or loss, avoidance of hypoglycemia, and targets for blood pressure and circulating lipids, in addition to glycemic control. Increasingly, clinical trials and meta-analyses employ composite endpoints to capture the net clinical benefit of a given T2D intervention. Glucagon-like peptide-1 receptor agonists (GLP-1 RAs) represent a new class of injected antihyperglycemic agents that may be well suited to reaching many of these targets among patients failing on metformin monotherapy. RESEARCH DESIGNS AND METHODS: Using MEDLINE, Embase and Google Scholar, studies were sought that employed composite endpoints and that reported outcomes with exenatide and/or liraglutide. Bibliographies of relevant review articles were consulted to search for additional reports. RESULTS: Many trials have used the combination of HbA1c <7%, no weight gain and no hypoglycemic episodes as the composite endpoint in evaluating T2D therapies; however, at least 15 other distinct composite endpoints have been reported. Findings were relatively consistent across studies, regardless of how the composite endpoint was defined. Specifically, the GLP-1 RAs appear to be superior to other agents in their efficacy in providing T2D patients failing on metformin with a net clinical benefit, which can include avoidance of hyperglycemia and maintenance or improvement in body weight. CONCLUSIONS: Use of composite endpoints represents an important advance in T2D. While no single such endpoint has achieved dominance in the field, widely used composite endpoints capture efficacy in glycemic control as well as safety and effects on markers of cardiovascular risk.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».