Update and Next Steps for Real-World Translation of Interventions for Type 2 Diabetes Prevention: Reflections From a Diabetes Care Editors’ Expert Forum
Notice bibliographique
Résumé
The International Diabetes Federation estimates that 415 million adults worldwide now have diabetes and 318 million have impaired glucose tolerance. These numbers are expected to increase to 642 million and 482 million, respectively, by 2040. This burgeoning pandemic places an enormous burden on countries worldwide, particularly resource-poor regions. Numerous landmark trials evaluating both intensive lifestyle modification and pharmacological interventions have persuasively demonstrated that type 2 diabetes can be prevented or its onset can be delayed in high-risk individuals with impaired glucose tolerance. However, key challenges remain, including how to scale up such approaches for widespread translation and implementation, how to select appropriately from various interventions and tailor them for different populations and settings, and how to ensure that preventive interventions yield clinically meaningful, cost-effective outcomes. In June 2015, a Diabetes Care Editors' Expert Forum convened to discuss these issues. This article, an outgrowth of the forum, begins with a summary of seminal prevention trials, followed by a discussion of considerations for selecting appropriate populations for intervention and the clinical implications of the various diagnostic criteria for prediabetes. The authors outline knowledge gaps in need of elucidation and explore a possible new avenue for securing regulatory approval of a prevention-related indication for metformin, as well as specific considerations for future pharmacological interventions to delay the onset of type 2 diabetes. They conclude with descriptions of some innovative, pragmatic translational initiatives already under way around the world.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,004 |
| Bibliométrie | 0,001 | 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 | 0,001 | 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 ».