Initiation of four basal insulins and subsequent treatment modification in people treated for type 2 diabetes in the United Kingdom: Changes over the period 2003–2018
Notice bibliographique
Résumé
AIMS: Aim of this study is to describe changes in the utilization of basal insulins (glargine, detemir, degludec, neutral protamine Hagedorn [NPH]) among individuals with type 2 diabetes between 2003 and 2018 in the United Kingdom (UK). MATERIALS AND METHODS: Using the UK Clinical Practice Research Datalink (CPRD) Aurum, we created three study cohorts of individuals with type 2 diabetes: (1) all users of antidiabetic drugs (n = 686,170); (2) initiators of antidiabetic drugs (n = 382,247); and (3) initiators of basal insulins (n = 85,369). Trends in prescription rates were determined using Poisson regression overall and stratified by sex, cardiovascular disease history, and obesity. Crude and adjusted Cox proportional hazards models were used to obtain hazard ratios (HRs) and confidence intervals (CI) comparing rates of treatment change between classes of basal insulins, with an intention-to-treat exposure definition. RESULTS: During the study period, prescription rates of insulin analogues increased in the all-user cohort from 118.3 (95% CI: 116.4, 120.2) prescriptions per 1000 person-years in 2003 to 579.4 (95% CI: 576.9, 582.0) in 2018. Prescription rates of NPH decreased from 770.5 (95% CI: 765.0, 775.3) in 2003 to 457.7 (95% CI: 455.5, 460.0) in 2018. Compared to initiators of NPH, initiators of detemir were more likely to change treatment (adjusted HR: 1.31, 95% CI: 1.25, 1.37) while glargine initiators were less likely to change treatment (adjusted HR: 0.85, 95% CI: 0.82, 0.88). CONCLUSIONS: Basal insulin prescription evolved between 2003 and 2018. Our study provides insight into the evolving use of basal insulin among individuals with type 2 diabetes in the UK.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| 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 ».