Liraglutide Reduces Visceral and Intrahepatic Fat Without Significant Loss of Muscle Mass in Obese Patients With Type 2 Diabetes: A Prospective Case Series
Notice bibliographique
Résumé
Background: Glucagon-like peptide-1 receptor agonists have been reported to reduce body fat as well as improving glycemic control in obese patients with type 2 diabetes. However, the maximum dose of liraglutide is limited to 0.9 mg in Japan, while the international dose is 1.8 mg; and the effect of this low dose on body composition has not been assessed in detail. Accordingly, this study was performed to evaluate the effect of liraglutide on body composition when administered at 0.9 mg once daily for 24 weeks. Methods: Nine patients were enrolled and started liraglutide at 0.3 mg once daily, which was titrated to 0.9 mg once daily after 1 - 2 weeks and continued for 24 weeks. To comprehensively investigate changes of body composition, the body fat and muscle weight were determined by dual energy absorptiometry, visceral fat volume (VFV) and abdominal subcutaneous fat volume (SFV) were measured by abdominal computed tomography (CT), and the intrahepatic lipid content (IHL) was assessed by proton magnetic resonance spectroscopy. Measurements were obtained before starting liraglutide therapy and after 12 and 24 weeks of treatment. Results: Fasting plasma glucose was significantly reduced from 127 ± 22 to 101 ± 14 mg/dL at 24 weeks and hemoglobin A1c (HbA1c) showed significant reduction from 6.4±0.9% to 5.2±0.5%. Body weight was reduced from 103.4 ± 14.7 to 97.0 ± 12.4 kg (mean reduction: 11.7%) and BMI decreased from 37.4 ± 6.4 to 35.0 ± 5.3 kg/m 2 (mean reduction: 5.8%). Furthermore, VFV and IHL decreased from 5,192 ± 1,730 to 4,513 ± 1,299 cm 3 (mean reduction: 11.9%) and 32.1±12.6% to 15.2±9.2% (mean reduction: 49.2%), respectively, but SFV did not change. Moreover, the fat index was reduced from 14.8 ± 4.4 to 12.9 ± 3.4 kg/m 2 (mean reduction: 10.9%), but the skeletal muscle index did not change. Conclusions: In obese Japanese drug-naive patients who had type 2 diabetes, treatment with liraglutide (0.9 mg once daily for 24 weeks) reduced body fat, especially visceral fat and intrahepatic fat, while having no significant effect on skeletal muscle. J Clin Med Res. 2019;11(3):219-224 doi: https://doi.org/10.14740/jocmr3647
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 | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 ».