Effect of Add-On Therapy of Sodium-Glucose Cotransporter 2 Inhibitors and Dipeptidyl Peptidase 4 Inhibitors on Adipokines in Type 2 Diabetes Mellitus
Notice bibliographique
Résumé
Background: Excess adiposity is associated with an increased risk of cardiovascular disease due to metabolic changes in the body. Visceral obesity increases the risk of diabetes mellitus through adipocytokines and hence the effective targeting therapies are essential to control obesity in high-risk individuals. The study’s main objective was to evaluate the effect of add-on therapy of sodium-glucose cotransporter 2 (SGLT2) inhibitors and dipeptidyl peptidase 4 (DPP4) inhibitors on visceral fat-associated serum adipokines. Methods: The study included 90 subjects diagnosed with type 2 diabetes mellitus. The blood samples were taken before starting first-line therapy with metformin, 12 weeks after starting metformin therapy and 12 weeks after starting add-on therapy. Serum adipokines were analyzed with enzyme-linked immunosorbent assay (ELISA). Hemoglobin A1c (HbA1c) level was estimated with high-performance liquid chromatography (HPLC). The biochemical variables were measured using Cobas ® 6000 analyzer. Results: The mean adiponectin level was significantly elevated with add-on therapy using SGLT2 inhibitors and DPP4 inhibitors (P < 0.001). The mean retinol binding protein 4 (RBP4), fatty acid binding protein 4 (FABP4) and visfatin levels were reduced considerably (P < 0.001). The SGLT2 inhibitors are more effective on serum FABP4 in patients with type 2 diabetes (P = 0.038). The mean fasting plasma glucose (FPG), postprandial blood glucose (PPBG) and HbA1c levels were reduced significantly with add-on therapy (P < 0.001). Lipid profile was also altered significantly with this add-on therapy (P < 0.001). Conclusions: The results indicate that add-on therapy exerts a beneficial effect in type 2 diabetic patients insufficiently controlled with metformin only by altering the visceral fat-associated adipokine levels and controlling the metabolic activities. J Clin Med Res. 2021;13(6):355-362 doi: https://doi.org/10.14740/jocmr4510
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».