Fixed-ratio combination therapy for type 2 diabetes: the top ten things you should know about insulin and glucagon-like peptide-1 receptor agonist combinations
Notice bibliographique
Résumé
Many individuals with type 2 diabetes (T2D) will eventually require insulin therapy to help achieve and maintain adequate glycemic control. However, the use of insulin can be associated with adverse effects such as hypoglycemia and weight gain, and in some patients the addition of insulin to treatment regimens is often still insufficient to achieve target glycemic control. Combining basal insulin with a glucagon-like peptide-1 receptor agonist (GLP-1 RA) for the treatment of patients with T2D has been demonstrated to be effective and well tolerated, while mitigating many of the adverse events associated with giving either of these drug classes alone. Two titratable, fixed-ratio combination therapies, iGlarLixi and IDegLira, that combine basal insulin and a GLP-1 RA in a once-daily subcutaneous injection are currently approved by the US Food and Drug Administration (FDA) for the treatment of patients with T2D. The fixed-ratio combination iGlarLixi combines insulin glargine 100 Units/mL with lixisenatide, while IDegLira combines insulin degludec 100 Units/mL with liraglutide. While these new fixed-ratio combinations contain antihyperglycemic medications that are familiar to most health care providers, there are many questions relating to their use when formulated as a fixed-ratio combination therapy. This article discusses the 'top 10' considerations that health care providers should know about these novel combination therapies as these agents begin to gain an increasing presence in clinical practice.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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 ».