Combination of the dipeptidyl peptidase-4 inhibitor linagliptin with insulin-based regimens in type 2 diabetes and chronic kidney disease
Notice bibliographique
Résumé
Glucose-lowering treatment options for type 2 diabetes mellitus patients with chronic kidney disease are limited. We evaluated the potential for linagliptin in combination with insulin in type 2 diabetes mellitus patients with mild-to-severe renal impairment. Data for participants in two phase 3 trials with linagliptin who were receiving insulin were analysed separately (n = 811). Placebo-adjusted mean HbA1c changes from baseline were -0.59% (mild renal impairment) and -0.69% (moderate renal impairment) after 24 weeks and -0.43% (severe renal impairment) after 12 weeks. Drug-related adverse events with linagliptin were similar to placebo (mild renal impairment: 19.9% vs. 26.5%; moderate renal impairment: 22.0% vs. 25.0%; severe renal impairment: 46.3% vs. 43.6%, respectively). Frequencies of hypoglycaemia in patients with mild, moderate and severe renal impairment were 34.9%, 35.6% and 66.7% with linagliptin and 37.5%, 39.7% and 49.1% with placebo, respectively. Episodes of severe hypoglycaemia were low (⩽5.6%). Adding linagliptin to insulin in type 2 diabetes mellitus patients with chronic kidney disease improved glucose control and was well tolerated.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,000 |
| 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 ».