387-P: High Incidences of Level 3 Severe Hypoglycemia Reported by T2DM Secretagogue-Users (iNPHORM, USA)
Notice bibliographique
Résumé
In the US, >90% of people with T2DM on oral antihyperglycemics use secretagogues. The present analysis is the first to quantify the real-world, US frequency of Level 3 severe hypoglycaemia (SH) in this population. Longitudinal, prospective data were leveraged from the iNPHORM study. Adults (≥18 years old) with secretagogue-treated T2DM (not on insulin) were recruited from a US-wide, probability-based internet panel. Data on participant characteristics and Level 3 SH occurrence were captured across a screener, baseline and 12 monthly follow-ups. Multivariable negative binomial regression with cluster bootstrapping for repeated measures modelled the annualized rate of SH for individuals completing ≥1 follow-up(s). A repeated lasso regression ‘voting’ procedure selected all risk factors. Multiple imputation addressed missingness. Of the 353 respondents (male: 51.1%; age: 54.6 [SD: 13.2] years; diabetes duration: 10 [IQR: 12] years; retention rate: 84.4%), the incidence proportion of SH over follow-up was 21.8 (95% CI: 17.8-26.3)%, and the rate was 3.8 (95% CI: 2.5-5.7) events per person-year. Our final model included age, continuous/flash glucose monitoring use, corticosteroid use, number of healthcare visits, fear of hypoglycemia, number of past-year SH requiring hospital care, retinopathy, and other diabetes complications. The rate of annualized Level 3 SH statistically increased with younger age, more frequent healthcare visits, greater fear of hypoglycemia, higher number of past-year healthcare-related SH, and presence of retinopathy. Our results indicate disturbingly high incidences of Level 3 SH among secretagogue users. Whenever logical and feasible, clinicians should prioritize one of the many other available antihyperglycemics that confer little to no hypoglycemia risk. Else, other hypoglycemia prevention strategies—risk-tailored to this ubiquitous T2DM population—are urgently warranted. Disclosure A.Ratzki-leewing: Consultant; Novo Nordisk, Eli Lilly and Company, Research Support; Sanofi. J.E.Black: None. G.Zou: None. B.L.Ryan: None. S.B.Harris: Advisory Panel; Bayer Inc., AstraZeneca, Eli Lilly and Company, Dexcom, Inc., Novo Nordisk A/S, Novo Nordisk Canada Inc., Sanofi, Consultant; Abbott Diabetes, Janssen Pharmaceuticals, Inc., Other Relationship; American Diabetes Association, Research Support; Abvance Therapeutics, Canadian Institutes of Health Research. Funding Sanofi Global
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».