Efficacy of Glucose-Lowering Drugs for Young-Onset Type 2 Diabetes: A Meta-Analysis of Individual Participant Data from Randomized Control Trials
Notice bibliographique
Résumé
People diagnosed with type 2 diabetes before the age of 40 are categorized as having young-onset diabetes, while the remainder are classified as usual-onset diabetes. Young-onset diabetes is increasingly prevalent worldwide and tends to be more aggressive than usual-onset diabetes. Those with young-onset diabetes often experience hospitalizations due to heart attacks, kidney disease, and other serious complications, leading to premature death, usually about 14 years earlier than those without diabetes. Managing high blood sugar is crucial to preventing or delaying these outcomes. Despite the necessity for medications to control blood sugar levels in young-onset diabetes, there’s a limited understanding of how effective these drugs are for this demographic, as they’ve been underrepresented in previous studies. To bridge this knowledge gap, our aim is to assess the efficacy of common blood sugar-lowering drugs (including metformin, sulfonylureas, dipeptidyl peptidase-4 inhibitors, sodium-glucose cotransporter type 2 inhibitors, glucagon-like peptide-1 receptor agonists, and thiazolidinediones) in young-onset diabetes compared to usual-onset diabetes. We anticipate that certain medications will lower blood sugar especially well in young-onset diabetes. We will collect data from past studies that tested these drugs using an online research database with comprehensive records from numerous previous drug trials. We will use a special method to pool together data from all available studies to gather enough people with young-onset diabetes. By combining datasets, we can analyze the data in a more powerful way than by considering each study in isolation. Advanced statistical computer programs will be used to compare how individuals with young-onset diabetes respond to the different drug types compared to usual-onset diabetes, by comparing their blood sugar levels at various time points after taking each drug. This analysis will be conducted separately for each of the drug types of interest. The findings of this research will offer valuable insights to assist doctors in tailoring prescriptions specifically for young-onset diabetes. Identifying the most effective drugs has the potential to enhance blood sugar management, thereby reducing hospitalizations, mitigating severe consequences associated with young-onset diabetes, and ultimately improving the overall health and longevity of individuals living with this condition.
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 | 0,036 | 0,057 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,016 | 0,060 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».