Disease-modifying therapies and features linked to treatment response in type 1 diabetes prevention: a systematic review
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Type 1 diabetes (T1D) results from immune-mediated destruction of insulin-producing beta cells. Prevention efforts have focused on immune modulation and supporting beta cell health before or around diagnosis; however, heterogeneity in disease progression and therapy response has limited translation to clinical practice, highlighting the need for precision medicine approaches to T1D disease modification. METHODS: To understand the state of knowledge in this area, we performed a systematic review of randomized-controlled trials with ≥50 participants cataloged in PubMed or Embase from the past 25 years testing T1D disease-modifying therapies and/or identifying features linked to treatment response, analyzing bias using a Cochrane-risk-of-bias instrument. RESULTS: We identify and summarize 75 manuscripts, 15 describing 11 prevention trials for individuals with increased risk for T1D, and 60 describing treatments aimed at preventing beta cell loss at disease onset. Seventeen interventions, mostly immunotherapies, show benefit compared to placebo (only two prior to T1D onset). Fifty-seven studies employ precision analyses to assess features linked to treatment response. Age, beta cell function measures, and immune phenotypes are most frequently tested. However, analyses are typically not prespecified, with inconsistent methods of reporting, and tend to report positive findings. CONCLUSIONS: While the quality of prevention and intervention trials is overall high, the low quality of precision analyses makes it difficult to draw meaningful conclusions that inform clinical practice. To facilitate precision medicine approaches to T1D prevention, considerations for future precision studies include the incorporation of uniform outcome measures, reproducible biomarkers, and prespecified, fully powered precision analyses into future trial design.
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.
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 | 0,002 |
| 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 découle