Patient-centered Management of Type 2 Diabetes Mellitus Based on Specific Clinical Scenarios: Systematic Review, Meta-analysis and Trial Sequential Analysis
Notice bibliographique
Résumé
INTRODUCTION: New antihyperglycemic medications have been proven to have cardiovascular (CV) and renal benefits in type 2 diabetes mellitus (T2DM); however, an evidence-based decision tree in specific clinical scenarios is lacking. MATERIALS AND METHODS: Systematic review and meta-analysis of randomized controlled trials (RCTs), with trial sequential analysis (TSA). Randomized controlled trial inclusion criteria were patients with T2DM from 1 of these subgroups: elderly, obese, previous atherosclerotic CV disease (ASCVD), previous coronary heart disease (CHD), previous heart failure (HF), or previous chronic kidney disease (CKD). Randomized controlled trials describing those subgroups with at least 48 weeks of follow-up were included. Outcomes: 3-point major adverse cardiovascular events (MACE), CV death, hospitalization due to HF, and renal outcomes. We performed direct meta-analysis with the number of events in the intervention and control groups in each subset, and the relative risk of the events was calculated. RESULTS: Sodium-glucose cotransporter 2 inhibitors (SGLT2i) and glucagon-like peptide 1 receptor agonists (GLP-1 RA) were the only antihyperglycemic agents related to a reduction in CV events in different populations. For obese and elderly populations, GLP-1 RA were associated with benefits in 3-point MACE; for patients with ASCVD, both SGLT2i and GLP-1 RA had benefits in 3-point MACE, while for patients with CHD, only SGLT2i were beneficial. CONCLUSIONS: SGLT2i and GLP-1 RA reduced CV events in selected populations: SGLT2i led to a reduction in events in patients with previous CHD, ASCVD, and HF. GLP-1 RA led to a reduction in CV events in patients with ASCVD, elderly patients, and patients with obesity. Trial sequential analysis shows that these findings are conclusive. This review opens a pathway towards evidence-based, personalized treatment of T2DM. REGISTRATION: PROSPERO CRD42019132807.
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 | 0,033 | 0,065 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,020 | 0,037 |
| Bibliométrie | 0,006 | 0,006 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 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 ».