Real-world effectiveness, adherence and persistence among patients with type 2 diabetes mellitus initiating dulaglutide treatment
Notice bibliographique
Résumé
OBJECTIVES: To assess glycemic effectiveness, adherence and persistence within 6 months of treatment initiation with dulaglutide, a once weekly GLP-1 receptor agonist, in a US real-world setting. METHODS: This retrospective claims analysis included adults (≥18 years) with T2DM from the HealthCore Integrated Research Database, who had HbA1c laboratory results around initiation and within 6 months after initiation. Glycemic control was assessed by change in HbA1c from pre-initiation to post-initiation. Patients were considered adherent if their proportion of days covered (PDC) was ≥0.80; persistence was measured as days of continuous therapy from initiation to 6 months after initiation with no gaps >45 days between fills. RESULTS: Of the 308 analyzed patients, the majority (n = 188; 61%) were adherent to dulaglutide (mean PDC 0.76; SD 0.26), with 115 patients (37%) discontinuing treatment. Mean persistence was 152 days/5 months. Mean HbA1c decreased from 8.49% (SD 1.70, median 8.20%) at baseline to 7.59% (SD 1.51, median 7.30%) at follow-up, corresponding to a mean HbA1c change of -0.90% (95% confidence interval [CI] -1.08 to -0.73; p < .01; median -0.70%). Patients who were adherent to or persistent with dulaglutide experienced larger reductions (-1.14% and -1.12% respectively), as did those without prior GLP-1 RA use (-1.03%). The proportion of patients with HbA1c <7% increased from 18% to 40%. CONCLUSIONS: Dulaglutide was associated with a significant decrease in HbA1c levels 6 months after treatment initiation. Patients who adhered to or persisted with dulaglutide therapy, or were naïve to GLP-1 RA use, experienced greater decreases in HbA1c levels.
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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».