Effectiveness, safety, initial optimal dose, and optimal maintenance dose range of basal insulin regimens for type 2 diabetes: A systematic review with meta‐analysis
Notice bibliographique
Résumé
AIMS: To investigate the effectiveness, safety, optimal starting dose, optimal maintenance dose range, and target fasting plasma glucose of five basal insulins in insulin-naïve patients with type 2 diabetes mellitus. METHODS: MEDLINE, EMBASE, Web of Science, and the Cochrane Library were searched from January 2000 to February 2022. The Preferred Reporting Items for Systematic Reviews and Meta-Analyses (PRISMA) guidelines were followed and the Grading of Recommendations, Assessment, Development, and Evaluations (GRADE) approach was adopted. The registration ID is CRD42022319078 in PROSPERO. RESULTS: Among 11 163 citations retrieved, 35 publications met the planned criteria. From meta-analyses and network meta-analyses, we found that when injecting basal insulin regimens at bedtime, the optimal choice in order of most to least effective might be glargine U-300 or degludec U-100, glargine U-100 or detemir, followed by neutral protamine hagedorn (NPH). Injecting glargine U-100 in the morning may be more effective (ie, more patients archiving glycated hemoglobin < 7.0%) and lead to fewer hypoglycemic events than injecting it at bedtime. The optimal starting dose for the initiation of any basal insulins can be 0.10-0.20 U/kg/day. There is no eligible evidence to investigate the optimal maintenance dose for basal insulins. CONCLUSIONS: The five basal insulins are effective for the target population. Glargine U-300, degludec U-100, glargine U-100, and detemir lead to fewer hypoglycemic events than NPH without compromising glycemic control.
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 | 0,007 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,013 | 0,003 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».