Wirksamkeit von Glucagon-ähnlichen Peptid-1-Rezeptor-Agonisten nach Typ-2-Diabetes-Subtypen
Wirksamkeit von Glucagon-ähnlichen Peptid-1-Rezeptor-Agonisten nach Typ-2-Diabetes-Subtypen: eine italienische monozentrische retrospektive Studie
Das Ziel dieser retrospektiven Beobachtungsstudie besteht darin, zu verstehen, ob Glucagon-ähnliche Peptid-1-Rezeptor-Agonisten (GLP-1RA), eine Gruppe von Antidiabetika, bei verschiedenen Subtypen von Patienten mit Typ-2-Diabetes unterschiedlich wirken können.
Die wichtigsten Fragen, die beantwortet werden sollen, sind:
- Menschen mit Typ-2-Diabetes, die zu bestimmten Subtypen gehören, reagieren besser (oder schlechter) auf GLP-1RA?
- Die positive Wirkung von GLP-1RA kann bei Menschen mit Typ-2-Diabetes, die zu bestimmten Subtypen gehören, länger anhalten?
- Welche klinischen Merkmale erklären die Wirksamkeit und Haltbarkeit von GLP-1-Rezeptoragonisten bei der Behandlung von Typ-2-Diabetes besser?
Klinische Daten aus Aufzeichnungen von Patienten, die die Diabetesambulanz unserer Einrichtung aufsuchen, werden abgerufen, um die Ergebnisse von GLP-1-Rezeptoragonisten bei Patienten zu vergleichen, die zu vier Subtypen von Typ-2-Diabetes gehören.
Studienübersicht
Status
Bedingungen
Intervention / Behandlung
Detaillierte Beschreibung
Patienten mit Typ-2-Diabetes sind alle durch eine Hyperglykämie gekennzeichnet, allerdings ist die Wahrscheinlichkeit für die Entwicklung mikro- und mikrovaskulärer Komplikationen höher. Kürzlich wurde eine Klassifizierung des Altersdiabetes in fünf Subtypen vorgeschlagen: schwerer Autoimmundiabetes (SAID – einschließlich Typ-1-Diabetes und latentem Autoimmundiabetes bei Erwachsenen LADA), schwerer insulinresistenter Diabetes (SIRD), schwerer Insulinmangeldiabetes (SIDD), mild altersbedingter Diabetes (MARD), leichter fettleibigkeitsbedingter Diabetes (MOD). Diese Klassifizierung wurde in mehreren Populationen von Patienten mit kürzlich aufgetretenem Diabetes (innerhalb von 5 Jahren) validiert.
Allerdings erfordert diese Klassifizierung die Messung von C-Peptid-/Insulinämie- oder Anti-Glutaminsäure-Decarboxylase (GAD)-Antikörpern, was ihre Anwendbarkeit im klinischen Alltag einschränkt. Kürzlich wurde ein alternativer Algorithmus eingeführt und validiert, der leicht verfügbare klinische Merkmale wie BMI, Körpergröße, Taillenumfang, HbA1c, Nüchternblutzucker, Lipidprofil, Alter und Alter bei Diagnose erfordert.
In dieser retrospektiven Beobachtungsstudie betrug die berechnete Stichprobengröße 128 Patienten in 4 Gruppen mit Alpha 0,05, 1-Beta 0,80 und einer Effektgröße von 0,3.
Die folgenden Daten werden für geeignete Patienten abgerufen: Alter, Geschlecht, Diabetesdauer, Alter bei Diagnose, Antidiabetika-Therapie, Körpergewicht, Größe, Taillenumfang, Nüchternblutzucker, HbA1c, Gesamt- und HDL- und LDL-Cholesterin, Triglyceride, Kreatinin, Mikroalbuminurie . Der online verfügbare Algorithmus (https://uiem.shinyapps.io/diabetes_clusters_app/) wird verwendet, um aufgenommene Patienten den 4 Subtypen von Typ-2-Diabetes (SIDD, SIRD, MARD, MOD) zuzuordnen.
Sofern verfügbar, werden Informationen zu mikro- und makrovaskulären Komplikationen bei Diabetes erhoben.
Alle Daten werden beim Basisbesuch und bei jedem Nachuntersuchungsbesuch erfasst (der erste Nachuntersuchungsbesuch sollte 6–12 Monate nach der Verschreibung eines GLP-1-Rezeptoragonisten erfolgen).
Studientyp
Einschreibung (Tatsächlich)
Kontakte und Standorte
Studienorte
-
-
-
Bari, Italien, 70124
- Azienda Ospedaliero-Universitaria Policlinico Bari
-
-
Teilnahmekriterien
Zulassungskriterien
Studienberechtigtes Alter
- Erwachsene
- Älterer Erwachsener
Akzeptiert gesunde Freiwillige
Probenahmeverfahren
Studienpopulation
Beschreibung
Einschlusskriterien:
- Italienische Patienten mit Typ-2-Diabetes
- Diabetesbeginn im Alter von ≥ 50 Jahren
- Diagnose von Typ-2-Diabetes ≤ 5 Jahre nach der Einschreibung
- BMI ≥ 25 kg/m2
- Patienten, die zum ersten Mal ein GLP-1RA-Rezept erhalten, mit mindestens einer Nachuntersuchung 6–12 Monate nach der ersten Verschreibung
Ausschlusskriterien:
- Autoimmundiabetes, monogener Diabetes, sekundärer Diabetes
- Vorgeschichte einer diabetischen Ketoazidose
Studienplan
Wie ist die Studie aufgebaut?
Designdetails
Kohorten und Interventionen
Gruppe / Kohorte |
Intervention / Behandlung |
|---|---|
|
Schwerer insulinresistenter Diabetes (SIRD)
Patienten mit SIRD zeichnen sich durch einen hohen BMI, eine hohe Insulinresistenz und einen niedrigen HbA1c aus. Diese Patienten entwickeln wahrscheinlich eine diabetische Nierenerkrankung. Definiert nach dem vereinfachten Algorithmus von Bello-Chavolla et al. Folgende Daten sind erforderlich: Alter bei Diabetesdiagnose, Alter, BMI, Größe, Taillenumfang, HbA1c, Nüchternblutzucker, Nüchterntriglyceride, HDL-Cholesterin |
Patienten, die mit einem GLP-1-Rezeptor-Agonisten beginnen (d. h.
Liraglutid, Dulaglutid, Semaglutid) werden in die Studie einbezogen.
|
|
Leichter altersbedingter Diabetes (MARD)
Patienten mit MARD zeichnen sich durch einen spät einsetzenden Diabetes ohne extreme Merkmale aus. Definiert nach dem vereinfachten Algorithmus von Bello-Chavolla et al. Folgende Daten sind erforderlich: Alter bei Diabetesdiagnose, Alter, BMI, Größe, Taillenumfang, HbA1c, Nüchternblutzucker, Nüchterntriglyceride, HDL-Cholesterin |
Patienten, die mit einem GLP-1-Rezeptor-Agonisten beginnen (d. h.
Liraglutid, Dulaglutid, Semaglutid) werden in die Studie einbezogen.
|
|
Leichter Diabetes im Zusammenhang mit Fettleibigkeit (MOD)
Patienten mit MOD zeichnen sich durch einen hohen BMI ohne Insulinresistenz aus.
Definiert nach dem vereinfachten Algorithmus von Bello-Chavolla et al. Folgende Daten sind erforderlich: Alter bei Diabetesdiagnose, Alter, BMI, Größe, Taillenumfang, HbA1c, Nüchternblutzucker, Nüchterntriglyceride, HDL-Cholesterin
|
Patienten, die mit einem GLP-1-Rezeptor-Agonisten beginnen (d. h.
Liraglutid, Dulaglutid, Semaglutid) werden in die Studie einbezogen.
|
|
Schwerer Insulinmangel-Diabetes (SIDD)
Patienten mit SIDD zeichnen sich durch einen hohen HbA1c-Wert und ein schnelles Fortschreiten der Insulintherapie aus. Diese Patienten entwickeln wahrscheinlich bereits in den ersten Jahren nach der Diagnose eine Retinopathie. Definiert nach dem vereinfachten Algorithmus von Bello-Chavolla et al. Folgende Daten sind erforderlich: Alter bei Diabetesdiagnose, Alter, BMI, Größe, Taillenumfang, HbA1c, Nüchternblutzucker, Nüchterntriglyceride, HDL-Cholesterin |
Patienten, die mit einem GLP-1-Rezeptor-Agonisten beginnen (d. h.
Liraglutid, Dulaglutid, Semaglutid) werden in die Studie einbezogen.
|
Was misst die Studie?
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Zeitfenster |
|---|---|
|
Unterschied in der HbA1c-Änderung gegenüber dem Ausgangswert (%) zwischen den Subtypen SIDD, SIRD, MARD und MOD
Zeitfenster: Der Unterschied in der HbA1c-Änderung gegenüber dem Ausgangswert wird beim ersten Nachuntersuchungsbesuch bewertet (6–12 Monate nach Beginn der GLP-1RA).
|
Der Unterschied in der HbA1c-Änderung gegenüber dem Ausgangswert wird beim ersten Nachuntersuchungsbesuch bewertet (6–12 Monate nach Beginn der GLP-1RA).
|
Sekundäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Unterschied in der Zeit bis zum Ausfall zwischen den Subtypen SIDD, SIRD, MARD und MOD
Zeitfenster: Der Unterschied in der Zeit bis zum Ausfall wird bis zum letzten verfügbaren Besuch (bis zu 36 Monate) bewertet.
|
Bei Patienten, die bei der ersten Nachuntersuchung einen HbA1c-Wert von < 7 % erreichen, beträgt der Unterschied in der Zeit bis zum Versagen (definiert als HbA1c von mindestens 7 %).
|
Der Unterschied in der Zeit bis zum Ausfall wird bis zum letzten verfügbaren Besuch (bis zu 36 Monate) bewertet.
|
|
Unterschied in der Änderung des Nüchternblutzuckers gegenüber dem Ausgangswert (mg/dl) zwischen den Subtypen SIDD, SIRD, MARD und MOD
Zeitfenster: Der Unterschied in der Veränderung des Nüchternblutzuckerspiegels gegenüber dem Ausgangswert (mg/dl) wird beim ersten Nachuntersuchungsbesuch (6–12 Monate nach Beginn der GLP-1RA) beurteilt.
|
mg/dl
|
Der Unterschied in der Veränderung des Nüchternblutzuckerspiegels gegenüber dem Ausgangswert (mg/dl) wird beim ersten Nachuntersuchungsbesuch (6–12 Monate nach Beginn der GLP-1RA) beurteilt.
|
|
Unterschied in der Körpergewichtsveränderung gegenüber dem Ausgangswert (kg) zwischen den Subtypen SIDD, SIRD, MARD und MOD
Zeitfenster: Der Unterschied in der Körpergewichtsveränderung gegenüber dem Ausgangswert (kg) wird beim ersten Nachuntersuchungsbesuch (6–12 Monate nach Beginn der GLP-1RA) beurteilt.
|
kg
|
Der Unterschied in der Körpergewichtsveränderung gegenüber dem Ausgangswert (kg) wird beim ersten Nachuntersuchungsbesuch (6–12 Monate nach Beginn der GLP-1RA) beurteilt.
|
|
Unterschied im Prozentsatz der Patienten, die einen HbA1c-Wert unter 7 % erreichen, zwischen den Subtypen SIDD, SIRD, MARD und MOD
Zeitfenster: Der Unterschied im Prozentsatz der Patienten, die einen HbA1c-Wert unter 7 % erreichen, wird beim ersten Nachuntersuchungsbesuch (6–12 Monate nach Beginn der GLP-1RA) bewertet.
|
Der Unterschied im Prozentsatz der Patienten, die einen HbA1c-Wert unter 7 % erreichen, wird beim ersten Nachuntersuchungsbesuch (6–12 Monate nach Beginn der GLP-1RA) bewertet.
|
Mitarbeiter und Ermittler
Ermittler
- Hauptermittler: Francesco Giorgino, PhD, University of Bari Aldo Moro
Publikationen und hilfreiche Links
Allgemeine Veröffentlichungen
- Ahlqvist E, Storm P, Karajamaki A, Martinell M, Dorkhan M, Carlsson A, Vikman P, Prasad RB, Aly DM, Almgren P, Wessman Y, Shaat N, Spegel P, Mulder H, Lindholm E, Melander O, Hansson O, Malmqvist U, Lernmark A, Lahti K, Forsen T, Tuomi T, Rosengren AH, Groop L. Novel subgroups of adult-onset diabetes and their association with outcomes: a data-driven cluster analysis of six variables. Lancet Diabetes Endocrinol. 2018 May;6(5):361-369. doi: 10.1016/S2213-8587(18)30051-2. Epub 2018 Mar 5.
- Bello-Chavolla OY, Bahena-Lopez JP, Vargas-Vazquez A, Antonio-Villa NE, Marquez-Salinas A, Fermin-Martinez CA, Rojas R, Mehta R, Cruz-Bautista I, Hernandez-Jimenez S, Garcia-Ulloa AC, Almeda-Valdes P, Aguilar-Salinas CA; Metabolic Syndrome Study Group; Group of Study CAIPaDi. Clinical characterization of data-driven diabetes subgroups in Mexicans using a reproducible machine learning approach. BMJ Open Diabetes Res Care. 2020 Jul;8(1):e001550. doi: 10.1136/bmjdrc-2020-001550.
- Dennis JM, Shields BM, Henley WE, Jones AG, Hattersley AT. Disease progression and treatment response in data-driven subgroups of type 2 diabetes compared with models based on simple clinical features: an analysis using clinical trial data. Lancet Diabetes Endocrinol. 2019 Jun;7(6):442-451. doi: 10.1016/S2213-8587(19)30087-7. Epub 2019 Apr 29.
Studienaufzeichnungsdaten
Haupttermine studieren
Studienbeginn (Tatsächlich)
Primärer Abschluss (Tatsächlich)
Studienabschluss (Tatsächlich)
Studienanmeldedaten
Zuerst eingereicht
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
Zuerst gepostet (Tatsächlich)
Studienaufzeichnungsaktualisierungen
Letztes Update gepostet (Tatsächlich)
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
Zuletzt verifiziert
Mehr Informationen
Begriffe im Zusammenhang mit dieser Studie
Schlüsselwörter
Zusätzliche relevante MeSH-Bedingungen
Andere Studien-ID-Nummern
- AOUConsorziale
Plan für individuelle Teilnehmerdaten (IPD)
Planen Sie, individuelle Teilnehmerdaten (IPD) zu teilen?
Beschreibung des IPD-Plans
IPD-Sharing-Zeitrahmen
IPD-Sharing-Zugriffskriterien
Art der unterstützenden IPD-Freigabeinformationen
- STUDIENPROTOKOLL
Diese Informationen wurden ohne Änderungen direkt von der Website clinicaltrials.gov abgerufen. Wenn Sie Ihre Studiendaten ändern, entfernen oder aktualisieren möchten, wenden Sie sich bitte an register@clinicaltrials.gov. Sobald eine Änderung auf clinicaltrials.gov implementiert wird, wird diese automatisch auch auf unserer Website aktualisiert .