Efficacy and Safety of Alogliptin in Elderly Patients With Type 2 Diabetes Mellitus
Notice bibliographique
Résumé
BACKGROUND: In Japan, with increasing age of the population, diabetic patients often become in need of hemodialysis due to diabetic nephropathy, and thus there is a demand for development of diabetic treatments that take into account renal effects in the elderly. No previous studies of alogliptin had focused on Japanese elderly subjects; we therefore assessed the effects of alogliptin in elderly individuals using available data. METHODS: Laboratory data were compiled for 1 year at intervals of 3 months following the start of alogliptin treatment. The subjects were divided into three groups by age: < 65 years (n = 110), 65 - 74 years (n = 87), and ≥ 75 years (n = 93). Laboratory values in comparison with baseline were compared within groups at various time points, and changes from baseline were compared among the different groups. RESULTS: Hemoglobin A1c (HbA1c) levels decreased significantly from baseline values in all groups at and after month 3: the change at month 12 was -0.74±1.45% for the age group < 65, -0.47±1.02% for the age group 65 - 74, and -0.42±1.11% for the age group ≥ 75. The 12-month change in estimated glomerular filtration rate (eGFR) was -6.5 ± 12.0 for the age group < 65, -2.0 ± 8.4 for the age group 65 - 74, and -1.5 ± 10.0 for the age group ≥ 75; the reduction in the age group < 65 was significant, whereas the reduction in the age groups ≥ 65 was not. CONCLUSIONS: Alogliptin significantly lowers HbA1c levels in the elderly and can be used without posing any safety issues, including renal effects, thus contributing to safe blood glucose control 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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».