Long-term Effect of Lifestyle Interventions on the Cardiovascular and All-Cause Mortality of Subjects With Prediabetes and Type 2 Diabetes: A Systematic Review and Meta-analysis
Notice bibliographique
Résumé
BACKGROUND: Lifestyle interventions improve the metabolic control of individuals with hyperglycemia. PURPOSE: We aimed to determine the effect of lifestyle interventions on cardiovascular and all-cause mortality in this population. DATA SOURCES: Searches were made through MEDLINE, Cochrane CENTRAL, Embase, and Web of Science (no date/language restriction, until 15 May 2022). STUDY SELECTION: We included randomized clinical trials (RCTs) of subjects with prediabetes and type 2 diabetes, comparing intensive lifestyle interventions with usual care, with a minimum of 2 years of active intervention. DATA EXTRACTION: Data from the 11 RCTs selected were extracted in duplicate. A frequentist and arm-based meta-analysis was performed with random-effects models to estimate relative risk (RR) for mortality, and heterogeneity was assessed through I2 metrics. A generalized linear mixed model (GLMM) was used to confirm the findings. DATA SYNTHESIS: Lifestyle interventions were not superior to usual care in reducing cardiovascular (RR 0.99; 95% CI 0.79-1.23) or all-cause (RR 0.93; 95% CI 0.85-1.03) mortality. Subgroup, sensitivity, and meta-regression analyses showed no influence of type of intervention, mean follow-up, age, glycemic status, geographical location, risk of bias, or weight change. All of these results were confirmed with the GLMM. Most studies had a low risk of bias according to the RoB 2.0 tool and the certainty of evidence was moderate for both outcomes. LIMITATIONS: Most studies had a low risk of bias according to the RoB 2.0 tool, and the Grading of Recommendations Assessment, Development and Evaluation (GRADE) approach resulted in moderate certainty of evidence for both outcomes. Differences in lifestyle programs and in usual care between the studies should be considered in the interpretation of our results. CONCLUSIONS: Intensive lifestyle interventions implemented so far did not show superiority to usual care in reducing cardiovascular or all-cause mortality for subjects with prediabetes and type 2 diabetes.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,015 | 0,008 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,000 | 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 ».