MétaCan
Menu
Retour à la cohorte
Enregistrement W6976708618 · doi:10.60692/6wpgk-smz91

Disease-modifying therapies and features linked to treatment response in type 1 diabetes prevention: a systematic review

2023· article· en· W6976708618 sur OpenAlexaff

Notice bibliographique

RevueGreater South Information System · 2023
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueDiabetes and associated disorders
Établissements canadiensUniversity of ManitobaUniversité de MontréalUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésType 1 diabetesPrecision medicineClinical trialDiseaseMEDLINESystematic reviewDiabetes mellitusIntervention (counseling)

Résumé

récupéré en direct d'OpenAlex

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.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.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.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.Type 1 diabetes (T1D) is a condition that results from the destruction of a type of cell in the pancreas that produces the hormone insulin, leading to lifelong dependence on insulin injections. T1D prevention remains a challenging goal, largely due to the immense variability in disease processes and progression. Therapies tested to date in medical research settings (clinical trials) work only in a subset of individuals, highlighting the need for more tailored prevention approaches. We reviewed clinical trials of therapies targeting the disease process in T1D. While the overall quality of trials was high, studies testing individual features affecting responses to treatments were low. This review reveals an important need to carefully plan high-quality analyses of features that affect treatment response in T1D, to ensure that tailored approaches may one day be applied to clinical practice.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,011
score de la tête « metaresearch » (Gemma)0,050
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,060

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,050
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0100,011
Bibliométrie0,0080,010
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0020,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,021
Tête enseignante GPT0,250
Écart entre enseignants0,230 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGreater South Information SystemMême sujetDiabetes and associated disordersTravaux en français237 207