MétaCan
Menu
Retour à la cohorte
Enregistrement W3016682312 · doi:10.1002/dmrr.3329

Insulin glargine 300 U/<scp>mL</scp> and insulin degludec: A review of the current evidence comparing these two second‐generation basal insulin analogues

2020· review· en· W3016682312 sur OpenAlexaff
Alice Cheng, Timothy S. Bailey, Dı́dac Mauricio, Ronan Roussel

Notice bibliographique

RevueDiabetes/Metabolism Research and Reviews · 2020
Typereview
Langueen
DomaineMedicine
ThématiqueDiabetes Management and Research
Établissements canadiensUniversity of Toronto
Organismes subventionnairesSanofi
Mots-clésInsulin degludecInsulin glargineBasal insulinMedicineBasal (medicine)InsulinDiabetes mellitusPharmacodynamicsType 2 diabetesInternal medicineEndocrinologyIntensive care medicinePharmacokinetics

Résumé

récupéré en direct d'OpenAlex

For most people with type 2 diabetes (T2D), treatment intensification with the addition of basal insulin therapy is required to maintain glycaemic control. However, this often does not happen in real-life practice promoting the development of long-term diabetes-related complications. The second-generation basal insulin analogues glargine 300 U/mL (Gla-300) and degludec (IDeg) provide pharmacokinetic and pharmacodynamic improvements that may allow them to be more effective in appropriately managing diabetes compared with first-generation basal insulin analogues. Both Gla-300 and IDeg have been extensively studied vs the first-generation basal insulin glargine 100 U/mL, demonstrating comparable efficacy in terms of glycaemic control, and a lower risk of hypoglycaemia. The BRIGHT randomized controlled trial is the first direct comparison of the efficacy and safety profiles of Gla-300 and IDeg in patients with T2D. Moreover, real-world data have been used to assess the effectiveness of these basal insulins during routine clinical practice. Further research is required to determine if the properties of Gla-300 and IDeg may lead to improvements in healthcare-related costs and the quality of life of patients, which are important factors for informing clinical decisions.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,011
score de la tête « metaresearch » (Gemma)0,011
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Intégrité de la recherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,774
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0110,011
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0070,001
Bibliométrie0,0010,004
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,002
Intégrité de la recherche0,0000,004
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,224
Tête enseignante GPT0,429
Écart entre enseignants0,206 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations16
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDiabetes/Metabolism Research and ReviewsMême sujetDiabetes Management and ResearchTravaux en français237 207