<scp>iGlarLixi</scp> effectively reduces residual hyperglycaemia in patients with type 2 diabetes on basal insulin: A post hoc analysis from the <scp>LixiLan‐L</scp> study
Notice bibliographique
Résumé
Globally, nearly half of patients with type 2 diabetes (T2D) do not successfully achieve target HbA1c with basal insulin, despite meeting fasting plasma glucose (FPG) targets. In this post hoc analysis of the LixiLan-L study, we determined whether iGlarLixi, a fixed-ratio combination of insulin glargine Gla-100 (iGlar) and the glucagon-like peptide-1 receptor agonist lixisenatide (Lixi), addresses the challenge of reducing residual hyperglycaemia in patients with T2D. In LixiLan-L, a randomized, open-label study, 1018 patients with T2D on basal insulin for ≥6 months ± oral antidiabetes drugs entered a 6-week run-in period, during which they were switched to and/or optimized for a daily dose of iGlar while continuing only metformin. Following the run-in period, 736 patients were then randomized to receive iGlarLixi or were continued on iGlar for 30 weeks ± metformin. Residual hyperglycaemia was defined as HbA1c ≥ 7.0% despite FPG of <140 mg/dL. The proportion of patients with residual hyperglycaemia was similar in both treatment arms at screening (~~42%), and increased after the run-in period (~~62%). After 30 weeks, the proportion of patients with residual hyperglycaemia declined to 23.8% in the iGlarLixi versus 47.1% in the iGlar arm (P < .0001). The proportion of patients achieving both HbA1c (<7.0%) and FPG (<140 mg/dL) targets was higher in the iGlarLixi compared with the iGlar arm (50.3% vs. 27.4%, respectively; P < .0001). iGlarLixi effectively reduces residual hyperglycaemia in patients with T2D on basal insulin therapy.
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 | 0,004 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,006 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».