Treatment effect heterogeneity following type 2 diabetes treatment with GLP1-receptor agonists and SGLT2-inhibitors: a systematic review
Notice bibliographique
Résumé
A precision medicine approach in type 2 diabetes requires the identification of clinical and biological features that are reproducibly associated with differences in clinical outcomes with specific anti-hyperglycaemic therapies. Robust evidence of such treatment effect heterogeneity could support more individualized clinical decisions on optimal type 2 diabetes therapy.We performed a pre-registered systematic review of meta-analysis studies, randomized control trials, and observational studies evaluating clinical and biological features associated with heterogenous treatment effects for SGLT2-inhibitor and GLP1-receptor agonist therapies, considering glycaemic, cardiovascular, and renal outcomes. After screening 5,686 studies, we included 101 studies of SGLT2-inhibitors and 75 studies of GLP1-receptor agonists in the final systematic review.Here we show that the majority of included papers have methodological limitations precluding robust assessment of treatment effect heterogeneity. For SGLT2-inhibitors, multiple observational studies suggest lower renal function as a predictor of lesser glycaemic response, while markers of reduced insulin secretion predict lesser glycaemic response with GLP1-receptor agonists. For both therapies, multiple post-hoc analyses of randomized control trials (including trial meta-analysis) identify minimal clinically relevant treatment effect heterogeneity for cardiovascular and renal outcomes.Current evidence on treatment effect heterogeneity for SGLT2-inhibitor and GLP1-receptor agonist therapies is limited, likely reflecting the methodological limitations of published studies. Robust and appropriately powered studies are required to understand type 2 diabetes treatment effect heterogeneity and evaluate the potential for precision medicine to inform future clinical care.This study reviews the available evidence on which patient features (such as age, sex, and blood test results) are associated with different outcomes for two recently introduced type 2 diabetes medications: SGLT2-inhibitors and GLP1-receptor agonists. Understanding what individual characteristics are associated with different response patterns may help clinical providers and people living with diabetes make more informed decisions about which type 2 diabetes treatments will work best for an individual. We focus on three outcomes: blood glucose levels (raised blood glucose is the primary symptom of diabetes and a primary aim of diabetes treatment is to lower this), heart disease, and kidney disease. We identified some potential factors that reduce effects on blood glucose levels, including poorer kidney function for SGLT2-inhibitors and lower production of the glucose-lowering hormone insulin for GLP1-receptor agonists. We did not identify clear factors that alter heart and kidney disease outcomes for either medication. Most of the studies had limitations, meaning more research is needed to fully understand the factors that influence treatment outcomes in type 2 diabetes.
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 | 0,029 | 0,097 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,015 | 0,026 |
| Bibliométrie | 0,008 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| 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 ».