MétaCan
Menu
Retour à la cohorte
Enregistrement W3003885000 · doi:10.14740/jocmr4078

Effect of the Dipeptidyl Peptidase-4 Inhibitor Sitagliptin on Muscle Mass and the Muscle/Fat Ratio in Patients With Type 2 Diabetes

2020· article· en· W3003885000 sur OpenAlexvenueno aff
Yoshio Nagai, Hiroyuki Kato, Hisashi Fukuda, Yasushi Tanaka

Notice bibliographique

RevueJournal of Clinical Medicine Research · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueDiabetes Treatment and Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSitagliptinMedicineGlimepirideGlycemicEndocrinologyInternal medicineType 2 diabetesInsulin resistanceDiabetes mellitus

Résumé

récupéré en direct d'OpenAlex

Background: We previously reported the effect of sitagliptin or glimepiride treatment for 24 weeks on body composition in Japanese overweight and obese patients with type 2 diabetes. Although the degree of HbA1c reduction was similar between the two groups, significant reduction of intrahepatic lipid (IHL), determined by proton magnetic resonance spectroscopy ( 1 H-MRCP), and fat mass (FM), determined by dual-energy X-ray absorptiometry (DXA), was observed in the sitagliptin group but not in the glimepiride group. As both IHL and FM are known as associating factors of insulin resistance, these reductions may lead to improvement of insulin sensitivity, which in turn may contribute to sitagliptin-induced amelioration of glycemic control. On the other hand, muscle and muscle/fat ratio were also reported to be positively correlated with insulin sensitivity, but we did not evaluate these factors. Methods: DXA separates the whole body into three major components, bone mass (BM), FM and fat and bone-free mass (FBFM), and measures the weight of each component. FBFM is normally used as a good marker of muscle mass; therefore, in this post-hoc analysis, we investigated whether sitagliptin treatment for 24 weeks influenced the FBFM and FBFM/FM ratio. Results: After 24 weeks, the FBFM and FBFM/FM ratio significantly increased in the sitagliptin group (47.6 ± 10.3 to 48.8 ± 11.0 kg, P < 0.05 and 2.0 ± 0.8 to 2.1 ± 0.8, P < 0.05), but not in the glimepiride group (49.7 ± 10.6 to 49.3 ± 9.9, P = 0.655 and 2.1 ± 0.9 to 2.0 ± 0.7, P = 0.855). The mean change of FBFM and FBFM/FM ratio from baseline to 24 weeks in the sitagliptin and glimepiride groups was 1.24 ± 2.01 (sitagliptin group) vs. -0.34 ± 2.63 kg (glimepiride group) (P = 0.074) and 0.13 ± 0.17 (sitagliptin group) vs. -0.11 ± 0.30 (glimepiride group) (P < 0.05), respectively. Conclusions: Sitagliptin 24-week treatment demonstrated not only reduction of body fat and liver fat but also an increase of muscle and muscle/fat ratio. These changes may partly explain the mechanism underlining sitagliptin-induced improvement of glycemic control. J Clin Med Res. 2020;12(2):122-126 doi: https://doi.org/10.14740/jocmr4078

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai non randomisé · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,053
Tête enseignante GPT0,394
Écart entre enseignants0,341 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeEssai non randomisé
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations22
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Clinical Medicine ResearchMême sujetDiabetes Treatment and ManagementTravaux en français237 207