← Retour à la cohorte
3 years of liraglutide versus placebo for type 2 diabetes risk reduction and weight management in individuals with prediabetes: a randomised, double-blind trial
Carel W. le Roux, Arne Astrup, Ken Fujioka, Frank L. Greenway, David Lau, Luc Van Gaal, Rafael Violante Ortíz, John Wilding, Trine Vang Skjøth, Linda Shapiro Manning, F. Xavier Pi‐Sunyer, A. Hamann, Alain Barakat, Matthias Blüher, Thomas Linn, Andrea Mölle, Alexander Segner, Petra Stübler, Regina Tosch-Sisting, Furio Pacini, Ferruccio Santini, Giulio Marchesini, Carlo Maria Rotella, Cecilia Invitti, Roberto Vettor, Silvio Buscemi, Pedro Mezquita Raya, Felipe Casanueva Freijoo, Ramón Gomis de Barbará, Raffaele Carraro, Enrique Romero Bobillo, Carmen de la Cuesta, Csaba Farsang, Albert Császár, Barbara Zahorska‐Markiewicz, Danuta Pupek-Musialik, Edward Franek, Lucyna Ostrowska, Magdalena Olszanecka‐Glinianowicz, Nebojša Lalić, Dragan Micić, Bernhard Ludvik, Bernhard Paulweber, Rudolf Prager, André Scheen, Kjeld Hermansen, Sten Madsbad, Aila Rissanen, Sakari Nieminen, Markku J. Savolainen, Michel Krempf, Monique Romon, M. Laville, Michel Marre, R Mira, Francis Finucane, Aletha Veenendaal, Frank van Berkum, Solrun Johannsson-Vidarsdóttir, V. Van de Walle, Eelco W. Meesters, Jøran Hjelmesæth, Tor Ole Klemsdal, Bård Kulseng, Birgit Bach-Kliegel, Kurt Laederach, Lukas Villiger, Alain Golay, Stefan Bilz, Thozhukat Sathyapalan, Stephen C. Bain, Sudhesh Kumar, Carel Wynard le Roux, Michael E. J. Lean, Barbara McGowan, Gary Wittert, Ian Caterson, Joeseph Proietto, John Prins, Bruno Geloneze Neto, Jorge Luiz Gross, Antônio Roberto Chacra, Alfredo Halpern, Henrique Suplicy, Francis Chun Chung Chow, Hemant Thacker, Manoj Chadha, Hemaraj Chandalia, AG Unnikrishnan, Sanjay Kalra, Neeta Deshpande, Minakshi Shunmugavelu, Vaishali Deshmukh, Maximo Maislos, G. Lieberman, Ilan Shimon, Naftali Stern, Dan Nabriski, Eddy Karnieli, Naim Shehadeh, Guillermo González-Gálvez, María del Rosario Arechavaleta-Granell, R. Ortiz, Guadalupe Morales Franco, Irina Gurieva, Л. А. Суплотова, Е. А. Трошина, Ludmila Ruyatkina, Emma Anatolievna Voychik, S. Yu. Martsevich, M.A. Startseva Startseva, Mary Seeber, Aysha Badat, Graham Ellis, Yüksel Altuntaş, Serdar Güler, Ender Ülgen, Tuncay Delibaşı, Tony Chetty, Randy Hart, Jeannette Janzen, Isabelle Labonté, Joanne Liutkus, Dennis D. O’Keefe, Raj Padwal, Thomas Ransom, Richard Tytus, S. John Weisnagel, Jay Adler, Keith Aqua, Stephen Aronoff, Gary Bedel, Thomas Blevins, Joe Blumenau, Andrew Brockmyre, Robert S. Call, Rafael Canadas, Louis Chaykin, Kenneth L. Cohen, Jeffrey Keith Conrow, Matthew Davis, H. Jackson Downey, S.R. Drosman, Steven Duckor, Hayley Farmer, James J. Farrell, Stephen Fehnel, Matthew Patrick Finneran, Ray Forbes, Alan D. Forker, Mark Fredrick, S Geller, Santosh Gill, Linda A. Glaser, Susan Neims Greco, Wayne L. Harper, Lee Herman, J. Hoekstra, Richard Ingebretsen, Rodney Ison, Rajeev Jain, Roy A. Kaplan, S. Kaster, Gregory Haase, Boris Kerzner, Judith L. Kirstein, William Koltun, Diane Krieger, Cora E. Lewis, Robert D. Madder, Richard N Marple, Edward J McDermott, Curtis J. Mello, Alan B. Miller, Julie Mullen, John Nardandrea, Patrick M. O’Neil, F. Xavier Pi-Sunyer, Ronald M Pucillo, Chanhaeng Rhee, Scott Redrick, Aaron Pardini, Jeffrey Rothman, Domenica Rubino, Gladstone Sellers, Timothy R. Smith, William Byars, Joseph Soufer, Allen Sussman, Kyle Patrick, Erich Lloyd Schramm, Martin van Cleeff, Saul Reuel Berg, Holly R. Wyatt, James A. Simon
Notice bibliographique
RevueThe Lancet · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueDiabetes Treatment and Management
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésPrediabetesLiraglutideMedicinePlaceboType 2 diabetesDiabetes mellitusInternal medicineWeight lossWeight managementEndocrinologyObesityAlternative medicine
Résumé
Aucun résumé dans les sources couvertes. Son absence est consignée, pas traitée comme un négatif.
Aucun résumé. Ce n'est pas une lacune de cette base de données : OpenAlex n'en a pas non plus. 23,3 % de la base est dans cet état, et le tri y repère MOITIÉ moins de métarecherche ; l'absence est donc un biais mesuré, et non un champ manquant.
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.
score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai randomisé · Signal consensuel: Essai randomisé
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,035
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,008 | 0,005 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,005 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 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.
Tête enseignante Opus0,057
Tête enseignante GPT0,316
Écart entre enseignants0,260 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validation
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.
Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeEssai randomisé
Domainenon disponible
GenreEmpirique
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».
En bref
Citations844
Publié2017
Routes d'admission1
Résumé présentnon