Effect of antiobesity medications in patients with type 2 diabetes mellitus
Notice bibliographique
Résumé
Obesity is considered as a major health problem, as its prevalence continuously rises worldwide. One of the common health consequences of obesity is type 2 diabetes mellitus. Therefore, antiobesity management is a prerequisite in treating diabetic patients. Lifestyle modifications combined with pharmacological agents appear to be an effective approach. Sibutramine is a serotonin-noradrenaline reuptake inhibitor, which acts centrally by promoting the feeling of satiety and decreasing caloric intake, thus resulting in weight loss. A potential association with cardiovascular side effects has been noted. Orlistat, a gastric and pancreatic lipase inhibitor, also achieves significant weight loss and improves glycaemic status, but it has gastrointestinal side effects. Rimonabant, the first endocannabinoid CB1 antagonist, is associated with weight reduction and it improves diabetic parameters; nevertheless, it is associated with psychiatric disorders; indeed, a recently conducted safety review led to the temporal suspension of its commercialization. The above-mentioned medications seem to be currently useful agents for treating obesity in patients with type 2 diabetes mellitus. Other medications used for diabetes management, such as exenatide, liraglutide and pramlintide, have also shown body weight reduction. Ongoing research is needed to scrutinize the precise impact of these agents in the daily clinical practice of management of obesity in patients with type 2 diabetes mellitus.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
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 ».