Abatacept for Delay of Type 1 Diabetes Progression in Stage 1 Relatives at Risk: A Randomized, Double-Masked, Controlled Trial
Notice bibliographique
Résumé
OBJECTIVE: Previous studies showed that inhibiting lymphocyte costimulation reduces declining β-cell function in individuals newly diagnosed with type 1 diabetes. We tested whether abatacept would delay or prevent progression of type 1 diabetes from normal glucose tolerance (NGT) to abnormal glucose tolerance (AGT) or to diabetes and the effects of treatment on immune and metabolic responses. RESEARCH DESIGN AND METHODS: We conducted a phase 2, randomized, placebo-controlled, double-masked trial of abatacept in antibody-positive participants with NGT who received monthly abatacept/placebo infusions for 12 months. The end point was AGT or diabetes, assessed by oral glucose tolerance tests. RESULTS: A total of 101 participants received abatacept and 111 placebo. Of these, 81 (35 abatacept and 46 placebo) met the end point of AGT or type 1 diabetes diagnosis (hazard ratio 0.702; 95% CI 0.452, 1.09; P = 0.11) The C-peptide responses to oral glucose tolerance tests were higher in the abatacept arm (P < 0.03). Abatacept reduced the frequency of inducible T-cell costimulatory (ICOS)+ PD1+ T-follicular helper (Tfh) cells during treatment (P < 0.0001), increased naive CD4+ T cells, and also reduced the frequency of CD4+ regulatory T cells (Tregs) from the baseline (P = 0.0067). Twelve months after treatment, the frequency of ICOS+ Tfh, naive CD4+ T cells, and Tregs returned to baseline. CONCLUSIONS: Although abatacept treatment for 1 year did not significantly delay progression to glucose intolerance in at-risk individuals, it impacted immune cell subsets and preserved insulin secretion, suggesting that costimulation blockade may modify progression of type 1 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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».