Comparative efficacy and cost-effectiveness of sodium-glucose co-transporter 2 inhibitors, glucagon-like peptide 1 receptor agonists, and nonsteroidal mineralocorticoid receptor antagonists in type 2 diabetes and chronic kidney disease
Notice bibliographique
Résumé
Type 2 diabetes (T2D) and chronic kidney disease (CKD) are major public health challenges. People with T2D and CKD have high risks of cardiovascular (CV) events and kidney failure. Novel drug classes, including sodium-glucose cotransporter-2 inhibitors (SGLT-2i), glucagon-like peptide-1 receptor agonists (GLP-1RA), and nonsteroidal mineralocorticoid receptor antagonists (nsMRA), have provided more cardiorenal protection for treatment of T2D and CKD than standard of care (SoC). This thesis examines the comparative efficacy in improving CV and renal outcomes and assesses the cost-effectiveness of these novel drugs for treatment of T2D and CKD. This thesis has four chapters. Chapter 1 provides background information about epidemiology, disease burden, definition, and treatment of T2D and CKD. It also describes the study design and reviews the existing literature. Chapter 2 is a systematic review and network meta-analysis comparing the relative efficacy of SGLT-2i, GLP-1RA, and nsMRA in improving CV and renal outcomes in patients with T2D and CKD. We found that SGLT-2i provided better cardiorenal protection than GLP-1RA and nsMRA in patients with T2D and CKD. There were no significant differences between GLP-1RA and nsMRA in reducing CV and renal outcomes. Chapter 3 examines the cost-effectiveness of adding SGLT-2i (canagliflozin or dapagliflozin) to SoC versus SoC alone for the treatment of T2D and CKD. Our study showed that adding canagliflozin or dapagliflozin to SoC was cheaper and more effective than SoC alone. Dapagliflozin plus SoC incurred lower cost and was more effective than canagliflozin plus SoC over the 5- or 10-year horizons, but it was not cost-effective versus canagliflozin plus SoC over longer time horizon. Chapter 4 concludes and discusses implications, limitations, and future research directions in T2D and CKD treatment.
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 | 0,014 | 0,043 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,012 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».