Effect of Linagliptin on Cognitive Performance in Patients With Type 2 Diabetes and Cardiorenal Comorbidities: The CARMELINA Randomized Trial
Notice bibliographique
Résumé
OBJECTIVE: Type 2 diabetes is associated with cognitive dysfunction and an increased dementia risk, particularly in individuals with concomitant cardiovascular and/or kidney disease. Incretin therapies may modulate this risk via glycemic and nonglycemic pathways. We explored if the dipeptidyl peptidase 4 inhibitor linagliptin could prevent cognitive decline in people with type 2 diabetes with cardiorenal disease. RESEARCH DESIGN AND METHODS: The CArdiovascular and Renal Microvascular outcomE study with LINAgliptin (CARMELINA)-COG substudy was an integral part of CARMELINA (NCT01897532) that randomized participants with cardiorenal disease to linagliptin 5 mg or placebo once daily (1:1), in addition to standard of care. The primary cognitive outcome was the occurrence of accelerated cognitive decline at the end of treatment, defined as a regression-based index score ≤16th percentile on the Mini-Mental State Examination (MMSE) or a composite measure of attention and executive functioning and analyzed in participants with a baseline MMSE ≥24. Effects across subgroups by baseline factors, as well as absolute cognitive changes, were also assessed. RESULTS: , 7.8 ± 0.9% [61.4 ± 10.1 mmol/mol]). Over a median treatment duration of 2.5 years, accelerated cognitive decline occurred in 28.4% (linagliptin) vs. 29.3% (placebo) (odds ratio 0.96 [95% CI 0.77, 1.19]). Consistent effects were observed across subgroups by baseline characteristics. Absolute cognitive performance changes were also similar between treatment groups. CONCLUSIONS: In a large international cardiovascular outcome trial in people with type 2 diabetes and cardiorenal disease, linagliptin did not modulate cognitive decline over 2.5 years.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 ».