Real-World Health Outcomes of Insulin Glargine 300 U/mL vs Insulin Glargine 100 U/mL in Adults With Type 1 and Type 2 Diabetes in the Canadian LMC Diabetes Patient Registry: The REALITY Study
Notice bibliographique
Résumé
OBJECTIVES: This study evaluated real-world clinical outcomes of patients with type 1 diabetes (T1D) and type 2 diabetes (T2D) initiating or transferring to insulin glargine 300 U/mL (Gla-300) vs insulin glargine 100 U/mL (Gla-100). METHODS: This is a retrospective cohort study using data from the Canadian LMC Diabetes Patient Registry. The 4 following cohorts were analyzed: 1) insulin-naïve patients with T2D who initiated Gla-300 or Gla-100, 2) patients with T2D who switched from neutral protamine Hagedorn (NPH) or detemir to Gla-300 or Gla-100, 3) patients with T2D who switched from Gla-100 to Gla-300 and 4) patients with T1D who switched from Gla-100, NPH or detemir to Gla-300. RESULTS: Of 376 propensity score-matched insulin-naïve patients, 6-month reduction in glycated hemoglobin (A1C) was similar between Gla-300 (-1.78%±1.85%; p<0.001) and Gla-100 (-1.74%±1.87%; p<0.001). In 114 propensity score-matched patients who switched from NPH or detemir, 6-month reduction in A1C was similar between Gla-300 (-0.78%±1.14%) and Gla-100 (-0.70%±1.57%). The 396 patients who switched from Gla-100 to Gla-300 had a significant reduction in A1C (-0.45%±1.39%; p<0.001). In 196 patients with T1D who switched from Gla-100, NPH or detemir to Gla-300, there was a significant reduction in A1C of -0.17%±1.19% (p=0.04). CONCLUSIONS: In a real-world clinical setting, insulin-naïve patients who initiated Gla-300 or Gla-100 showed similar changes in A1C and weight. Patients with T1D or T2D using Gla-300 transferred from another basal insulin had significant reductions in A1C with no change in weight or insulin dose.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».