MétaCan
Menu
Retour à la cohorte
Enregistrement W4310356568 · doi:10.3389/fneur.2022.1018027

Efficacy and safety of hypoglycemic drugs in improving cognitive function in patients with Alzheimer's disease and mild cognitive impairment: A systematic review and network meta-analysis

2022· review· en· W4310356568 sur OpenAlexaboutno aff
Xin-Chen Wang, Chen-Liang Chu, Hancheng Li, Kuan Lu, Cheng-Jiang Liu, Yefeng Cai, Shijian Quan, Shijie Zhang

Notice bibliographique

RevueFrontiers in Neurology · 2022
Typereview
Langueen
DomaineMedicine
ThématiqueDiabetes Treatment and Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineMeta-analysisInternal medicineCochrane LibraryPlaceboRandomized controlled trialMontreal Cognitive AssessmentStrictly standardized mean differenceMini–Mental State ExaminationDiseaseDementiaPathologyAlternative medicine

Résumé

récupéré en direct d'OpenAlex

Objective: The purpose of this study was to compare the effects of oral hypoglycaemic drugs (HDs) on cognitive function and biomarkers of mild cognitive impairment (MCI) and Alzheimer's disease (AD) through a network meta-analysis of randomized controlled trials (RCTs). Methods: We conducted systematic searches for English- and Chinese-language articles in the PubMed, Medline, Embase, Cochrane Library and Google Scholar databases, with no date restrictions. We performed a network meta-analysis, which we report here according to the Preferred Reporting Items for Systematic Reviews and Meta-Analyses (PRISMA). The 16 studies included a total of 3,081 patients. We selected the Mini-Mental State Examination (MMSE), the Alzheimer's Disease Assessment Scale-Cognitive section (ADAS-Cog), the Alzheimer's Disease Cooperative Study Activities of Daily Living section (ADCS-ADL) and amyloid beta (Aβ) 42 as the outcome measures for analysis and comparison. Result: We selected seven treatments and assessed the clinical trials in which they were tested against a placebo control. Of these treatments, intranasal insulin 20 IU (ITSN20), glucagon-like peptide-1 (GLP-1), and dipeptidyl peptidase 4 inhibitor (DPP-4) were associated with significantly improved MMSE scores (7 RCTs, 333 patients, 30≥MMSE score≥20: mild) compared with placebo [standardized mean difference (SMD) 1.11, 95% confidence interval (CI) (0.87, 1.35); SMD 0.75, 95% CI (0.04, 1.41); and SMD 4.08, 95% CI (3.39, 4.77), respectively]. Rosiglitazone 4 mg (RLZ4), rosiglitazone 10 mg (RLZ10), intranasal insulin 40 IU (ITSN40), and ITSN20 significantly decreased ADAS-Cog scores (11 RCTs, 4044 patients, 10 ≤ ADAS-Cog scores ≤ 30: mild and moderate) compared with placebo [SMD -1.40, 95% CI (-2.57, -0.23), SMD -3.02, 95% CI (-4.17, -1.86), SMD -0.92, 95% CI (-1.77, -0.08), SMD -1.88, 95% CI (-3.09, -0.66)]. Additionally, ITSN20 and ITSN40 significantly improved ADCS-ADL scores (2 RCTs, 208 patients, ADCS-ADL scale score ≤ 10: mild) compared with placebo [SMD 0.02, 95% CI (0.01, 0.03), and SMD 0.04, 95% CI (0.03, 0.05), respectively]. In the 16 included studies, the degree of AD was classified as mild or moderate. For mild cognitive impairment, DPP-4 performed best, but for mild to moderate impairment, ITSN40 had excellent performance. Conclusion: Various HDs can improve the cognitive function of MCI and AD patients. Different drug regimens brought different degrees of improvement, which may be related to their dosage, duration, and mechanism of action. Systematic review registration: www.crd.york.ac.uk/prospero.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,018
score de la tête « metaresearch » (Gemma)0,036
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: Méta-analyse
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,023
Score d'incertitude au seuil0,095

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0180,036
Méta-épidémiologie (sens strict)0,0030,002
Méta-épidémiologie (sens large)0,0230,044
Bibliométrie0,0070,007
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0020,002
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,024
Tête enseignante GPT0,262
Écart entre enseignants0,239 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeMéta-analyse
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations8
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in NeurologyMême sujetDiabetes Treatment and ManagementTravaux en français237 207