MétaCan
Menu
Retour à la cohorte
Enregistrement W3035418026 · doi:10.2337/db20-964-p

964-P: Glycemic and Body Weight Responses to Oral Semaglutide in the PIONEER Trial Program

2020· article· en· W3035418026 sur OpenAlexaboutno aff
Kathleen Dungan, CHRISTIN L. HERTZ, Linda Mellbin, Morten Abildlund Nielsen, Rasmus Sørrig, Vincent Woo, Tina Vilsbøll

Notice bibliographique

RevueDiabetes · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueDiabetes Treatment and Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSemaglutideMedicineGlycemicEmpagliflozinLiraglutideWeight lossSitagliptinPlaceboInternal medicineType 2 diabetesDulaglutideGastroenterologyDiabetes mellitusInsulinEndocrinologyObesity

Résumé

récupéré en direct d'OpenAlex

The PIONEER phase 3 program investigated glycemic response and other efficacy endpoints in patients (pts) with type 2 diabetes randomized to the glucagon-like peptide-1 analog oral semaglutide (sema; 3, 7 or 14 mg once daily), placebo (pbo) or an active comparator (empagliflozin [empa] 25 mg, sitagliptin [sita] 100 mg or liraglutide [lira] 1.8 mg once daily). This post-hoc analysis of the PIONEER 1-5 and 8 trials evaluated the response of any reduction in HbA1c (%) and/or body weight (%), and a clinically relevant composite endpoint of HbA1c reduction ≥1% and body weight loss ≥5%, with oral sema 14 mg vs. comparators at the end of treatment (26-78 weeks). Across trials, any reduction in HbA1c was observed in higher proportions of pts with oral sema (89-95%) than with pbo (51-64%) or active comparators (82-88%). A simultaneous reduction in both HbA1c and body weight was seen in 72-86% of pts treated with oral sema (Figure). The composite of HbA1c reduction ≥1% and body weight loss ≥5% was achieved by 27-41% of pts with oral sema, 1-8% of pts with pbo, 11% with sita 100 mg, 18% with lira 1.8 mg, and 20% with empa 25 mg. Within each trial, the odds of achieving HbA1c reduction of ≥1% and body weight loss of ≥5% with oral sema 14 mg were significantly greater vs. all comparators (p<0.0001). These results demonstrate that oral sema 14 mg was more effective vs. comparators for providing any HbA1c reduction, or both an HbA1c reduction ≥1% and body weight loss ≥5%. Disclosure K.M. Dungan: Advisory Panel; Self; Eli Lilly and Company, Elsevier. Research Support; Self; Novo Nordisk Inc., Sanofi-Aventis. Speaker’s Bureau; Self; Nova Biomedical. Other Relationship; Self; UpToDate, Vizient Inc. C.L. Hertz: Employee; Self; Novo Nordisk A/S. L. Mellbin: Advisory Panel; Self; Amgen, AstraZeneca, Novo Nordisk A/S, Sanofi-Aventis. Consultant; Self; AstraZeneca, Bayer AG, Novo Nordisk A/S. Research Support; Self; Bayer AG. Speaker’s Bureau; Self; Novo Nordisk A/S. Other Relationship; Self; Novo Nordisk Foundation. M. Abildlund Nielsen: Employee; Self; Novo Nordisk A/S. Stock/Shareholder; Self; Novo Nordisk A/S. Stock/Shareholder; Spouse/Partner; Novo Nordisk A/S. R. Sørrig: Employee; Self; Novo Nordisk A/S. V.C. Woo: Advisory Panel; Self; AstraZeneca, Boehringer Ingelheim Pharmaceuticals, Inc., Lilly Diabetes, Novo Nordisk Inc. Speaker’s Bureau; Self; AstraZeneca, Boehringer Ingelheim (Canada) Ltd., Janssen Pharmaceuticals, Inc., Merck & Co., Inc., Novo Nordisk Inc., Sanofi-Aventis. T. Vilsbøll: Advisory Panel; Self; AstraZeneca, Mundipharma International, Novo Nordisk A/S, Sun Pharmaceutical Industries Ltd. Consultant; Self; Boehringer Ingelheim Pharmaceuticals, Inc., Lilly Diabetes, Medscape, Merck Sharp & Dohme Corp., Sanofi. Funding Novo Nordisk A/S

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)0,002
score de la tête « metaresearch » (Gemma)0,002
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 randomisé · Signal consensuel: Essai randomisé
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,027

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0080,001

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 Opus0,024
Tête enseignante GPT0,289
Écart entre enseignants0,265 · 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 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

Citations2
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDiabetesMême sujetDiabetes Treatment and ManagementTravaux en français237 207