MétaCan
Menu
Retour à la cohorte
Enregistrement W4381377969 · doi:10.2337/db23-52-or

52-OR: Effect of Oral Nonpeptide GLP-1 Receptor Agonist Orforglipron (LY3502970) in Participants with Obesity or Overweight—A Phase 2 Study

2023· article· en· W4381377969 sur OpenAlexaboutno aff
Sean Wharton, Thomas Blevins, Lisa B. Connery, JULIO ROSENSTOCK, Sohini Raha, Kieren J. Mather, AXEL HAUPT, Deborah A. Robins, EDWARD J. PRATT, CHRISTOF M. KAZDA, Маниге Кониг

Notice bibliographique

RevueDiabetes · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueDiabetes Treatment and Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicinePlaceboWeight lossTolerabilityOverweightWaistObesityInternal medicineWeight changeClinical endpointBody mass indexAdverse effectGastroenterologyClinical trial

Résumé

récupéré en direct d'OpenAlex

Orforglipron (OFG) is a novel once daily oral non-peptide GLP-1 receptor agonist (RA) which can be taken with or without food, in development for chronic weight management. The objective of this Phase 2 study was to assess the efficacy, safety, and tolerability of OFG in patients with obesity or overweight with ≥1 weight-related comorbidity. Participants (N=272) were randomized to placebo or OFG (12, 24, 36, or 45 mg) treatment. OFG doses were increased to target using different dose escalation schemes in each arm. The primary endpoint was to compare percent body weight (BW) change from baseline in OFG vs placebo at Week 26, while the study continued to 36 weeks. Secondary endpoints included change from baseline in waist circumference (WC) and BMI, and the percentage of participants achieving ≥5 or ≥10% weight loss. At baseline, mean BW was 108.7 kg, BMI was 37.9 kg/m2, and 94% of participants had a BMI ≥30 kg/m2. Mean percentage BW loss, mean change in BMI and WC, and the percentage of participants achieving ≥5% or ≥10% weight loss were significantly greater with all OFG doses vs placebo (Figure). The AE profile was similar to other GLP-1 RAs; most were GI-related and mild to moderate in severity. The novel non-peptide GLP-1 RA OFG led to greater reductions in BW, BMI, and WC compared with placebo. These promising data support continued development of OFG as an oral treatment for obesity. Disclosure S.Wharton: Advisory Panel; Novo Nordisk, Eli Lilly and Company, Boehringer Ingelheim International GmbH, Bausch Health, Canada, Research Support; Novo Nordisk, Eli Lilly and Company, Speaker's Bureau; Novo Nordisk, Eli Lilly and Company, Bausch Health, Canada. C.M.Kazda: Employee; Eli Lilly and Company. M.Konig: None. T.Blevins: Other Relationship; Medtronic, Research Support; Lilly Diabetes, Novo Nordisk, Dexcom, Inc., Abbott Diabetes, Tandem Diabetes Care, Inc., Medtronic, Speaker's Bureau; Lilly Diabetes, Novo Nordisk A/S. L.B.Connery: None. J.Rosenstock: Advisory Panel; Applied Therapeutics Inc., Boehringer Ingelheim Inc., Eli Lilly and Company, Novo Nordisk, Oramed Pharmaceuticals, Sanofi, Zealand Pharma A/S, Intarcia Therapeutics, Inc., Hanmi Pharm. Co., Ltd., Research Support; Applied Therapeutics Inc., Boehringer Ingelheim Inc., Eli Lilly and Company, Merck & Co., Inc., Novartis, Novo Nordisk, Pfizer Inc., Sanofi, Intarcia Therapeutics, Inc. S.Raha: Employee; Eli Lilly and Company. K.J.Mather: Employee; Eli Lilly and Company. A.Haupt: Employee; Lilly, Stock/Shareholder; Lilly. D.A.Robins: None. E.J.Pratt: Employee; Eli Lilly and Company. Funding Eli Lilly and Company

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai randomisé · Signal consensuel: Essai randomisé
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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.

Tête enseignante Opus0,028
Tête enseignante GPT0,323
Écart entre enseignants0,295 · 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'étudeEssai randomisé
Domainenon disponible
GenreEmpirique

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

En bref

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDiabetesMême sujetDiabetes Treatment and ManagementTravaux en français237 207