1870-LB: Evaluating Remission of Type 2 Diabetes Using a Metabolic Intervention Including Fixed-Ratio Insulin Degludec and Liraglutide—A Randomized Controlled Trial
Notice bibliographique
Résumé
Introduction & Objective: Remission is an emerging therapeutic target in type 2 diabetes. The aim was to evaluate the effect on type 2 diabetes remission of a short-term intensive metabolic intervention consisting of frequent diet, exercise and diabetes management coaching, together with metformin and fixed-ratio insulin degludec/liraglutide. Methods: In a multicenter open-label randomized controlled trial, insulin-naïve participants within 5 years of diabetes diagnosis were assigned to a 16-week remission intervention regimen or standard care and were followed for relapse of diabetes and sustained remission for an additional year after stopping glucose-lowering drugs. Results: A total of 159 participants aged 57 ± 10 years, with diabetes duration 2.6 ± 1.5 years, BMI 33.5 ± 6.5 kg/m2 and A1C 7.0 ± 0.5 % were randomized (79 intervention, 80 control) and analyzed. At the end of the 16-week intervention period, compared to controls, intervention participants achieved lower A1C (5.8 ± 0.4% vs 6.8 ± 0.6%; p <0.0001), and lost more weight (3.3 ± 4.4% vs 1.9 ± 3.0%; p=0.02). There was a lower hazard of diabetes relapse overall in the intervention group compared to controls (HR 0.63; 95%CI 0.45, 0.88; p=0.007) but this was not sustained over time. Remission rates in the intervention group were not significantly higher at 12 weeks (17.7% vs 12.5%; RR 1.42, 95%CI 0.67, 3.00; p=0.36) or 52 weeks (6.3% vs 3.8%; RR 1.69, 95%CI 0.42, 6.82) following the intervention period. Conclusion: An intensive remission-induction intervention including fixed-ratio insulin degludec/liraglutide reduced the risk of type 2 diabetes relapse without sustained remission. Disclosure Z. Punthakee: Advisory Panel; Dexcom, Inc., Sanofi. Research Support; Novo Nordisk. Advisory Panel; Eli Lilly and Company. S. Hall: None. N. McInnes: Other Relationship; Sanofi. D. Sherifali: None. K. Tsiplova: None. M. Ghosh: Advisory Panel; Viatris Inc. S.B. Harris: Consultant; Abbott. Research Support; Boehringer-Ingelheim. Consultant; Dexcom, Inc. Advisory Panel; Eli Lilly and Company. Consultant; Eli Lilly and Company, Novo Nordisk, Sanofi. Research Support; Novartis AG. Consultant; Bayer Inc. H.A. Lochnan: Research Support; Novo Nordisk. Advisory Panel; Ipsen. Research Support; Spruce Biosciences. T.P.P. Ransom: Advisory Panel; Abbott. Speaker's Bureau; Abbott. Advisory Panel; Aegerion Pharmaceuticals. Speaker's Bureau; Amgen Inc. Other Relationship; Boehringer-Ingelheim, Eli Lilly and Company. Speaker's Bureau; Eli Lilly and Company, GlaxoSmithKline plc. Other Relationship; Medtronic. Advisory Panel; Novo Nordisk. Speaker's Bureau; Novo Nordisk. Other Relationship; Novo Nordisk, Sanofi. R.J. Sigal: Research Support; Lexicon Pharmaceuticals, Inc., Bayer Inc., Novo Nordisk. T. Spaic: Research Support; Novo Nordisk Canada Inc., Lilly Diabetes. Advisory Panel; Sanofi, Dexcom, Inc. Research Support; Tandem Diabetes Care, Inc. H.C. Gerstein: Advisory Panel; Sanofi. Research Support; Sanofi. Advisory Panel; Abbott, Eli Lilly and Company. Research Support; Eli Lilly and Company. Other Relationship; Eli Lilly and Company. Advisory Panel; Novo Nordisk. Research Support; Novo Nordisk. Other Relationship; Novo Nordisk, AstraZeneca. Research Support; Hanmi Pharm. Co., Ltd. Advisory Panel; Hanmi Pharm. Co., Ltd. Other Relationship; Zuellig Pharma Holdings Pte. Ltd., Jiangsu Hengrui Pharmaceuticals Co., Ltd., Carbon Brand. Consultant; Boehringer-Ingelheim, Kowa Company, Ltd., Pfizer Inc., Shionogi & Co., Ltd. Funding Novo Nordisk
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 | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 ».