Global survey investigating causes of treatment inertia in type 2 diabetes cardiorenal risk management
Notice bibliographique
Résumé
AIM: To explore reasons behind treatment inertia in current approaches to early cardiorenal risk management in type 2 diabetes (T2D). METHODS: A global, web-based, quantitative panel survey of primary care physicians (PCPs) and primary care diabetes specialists treating people living with T2D. The questions covered current management of T2D, particularly the use of sodium-glucose co-transporter 2 inhibitors, glucagon-like peptide-1 receptor agonists, and dipeptidyl peptidase-4 inhibitors as second-/third-line therapies. RESULTS: Of 1677 respondents from 18 countries who completed the survey, 73.4% were responsible for second-/third-line therapy initiation. Two thirds had modified treatment decisions based on recent cardiovascular outcomes trials (CVOTs). Respondents cited restricted access to therapies and limits on regular appointments as the greatest barriers to second-/third-line therapy prescription. Although 81.6% agreed that early intensification to second-/third-line therapies is associated with clinical benefits, 46.1% of respondents still reserve these for later lines of therapy, and 23.8% would not consider changing therapeutic approach in patients with well-controlled T2D but increasing cardiovascular risk. CONCLUSIONS: Substantial barriers still prevent optimization of primary setting T2D patient care. Education programs which enable PCPs to translate CVOT evidence into clinical benefits for patients with T2D could address many of the remaining knowledge gaps identified.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».