GLP-1受容体アゴニストとリアルワールドエビデンス (GLP-1REWIN)

序章。 グルカゴン様ペプチド 1 受容体アゴニスト (GLP-1RA) は、2 型糖尿病 (T2D) の治療のための二次治療として優先されます。体重増加と低血糖を避けるために。 無作為化対照試験 (RCT) は、GLP-1RA の追加が、経口療法で制御されていない 2 型糖尿病患者の基礎インスリン (BI) の追加よりも HbA1c の低下に効果的であることを示しています。 GLP-1RA は低血糖のリスクが低く、体重や血圧の低下など、血糖以外の効果をもたらします。 特に、クラスとしての GLP-1RA は、確立された CVD を有する T2D 患者の心血管転帰を改善します。 これらの利点は、GLP-1RA がほとんどの 2 型糖尿病患者における最初の注射可能な治療法であり、インスリンに代わるものであることを正当化します。

RCT からのデータがない場合、観察研究は、適切に設計され、慎重に実施されれば、臨床診療に情報を提供する中レベルの証拠を提供できます。 実世界の研究は仮説を立てるものであり、RCT の代わりにはなりませんが、専用の RCT の設計を導くことができます。 レトロスペクティブな現実世界の研究は、日常的な臨床診療で見られる代表的な大規模な異種集団からデータを迅速に収集できるため、特に魅力的です。

デザイン。 GLP-1REWIN 研究は、イタリアの糖尿病外来診療所の日常診療で GLP-1RA を開始した 2 型糖尿病患者に関するレトロスペクティブ、多施設、現実世界の研究です。 この研究は、イタリア北東部のヴェネト地方にある 6 つの糖尿病専門外来クリニックで実施されます。

目的。 この研究の一般的な目的は、2010 年から 2018 年までの実際の臨床診療における血糖値および血糖値外のエンドポイントに対する GLP-1RA の有効性を評価することです。 研究期間中、イタリアでは糖尿病専門医のみが GLP-1RA を処方することを許可されていたため、研究は糖尿病センターで実施されます。

メソッド。 データは、すべてのセンターで同じ電子カルテを自動的に調査することによって遡及的に収集されます。 専用のソフトウェアが開発され、関連するすべての匿名化された患者情報を手作業による介入なしに臨床研究フォームに抽出しました。 2010 年 1 月 1 日から 2018 年 12 月 31 日の間に市場で入手可能な 1 つの GLP-1RA を開始した 18 ～ 80 歳で、少なくとも 1 年間 (チャートに記録されているように) T2D と診断されたすべての患者のデータを収集します。 これらには、1 日 2 回および週 1 回のエクセナチド、リラグルチド、リキシセナチド、デュラグルチド、および BI/GLP-1RA の一定比率の組み合わせが含まれていました。 ベースラインの訪問日は、患者が外来診療所に出席し、GLP-1RAの新しい処方箋を初めて受け取った日として設定されます。 ベースラインの 90 日前までに、次の臨床的特徴と検査データが電子カルテから収集されます。および DBP)、心拍数、空腹時血漿グルコース (FPG)、HbA1c、総コレステロール、HDL コレステロール、トリグリセリド (LDL コレステロールはフリードワルドの式を使用して計算)、肝臓酵素、血清クレアチニン (eGFR は慢性腎臓病 [CKD] を使用して計算-疫学[EPI]式)、尿中アルブミン排泄率(UAER、尿中クレアチニンのmg/gとして表される)。 電子カルテの国際疾病分類 (ICD)-9 コードによって報告されている慢性合併症の詳細は、微小血管障害および大血管障害の存在を定義するために使用されます。 微小血管障害は、次のいずれかとして定義されます。UAER > 30 mg/g。 eGFR

2 つのグループの患者間で、血糖値 (HbA1c と空腹時血漿グルコース) および血糖外 (体重と収縮期血圧) の有効性パラメーターの変化を比較します。

GLP-1RA 療法のさまざまなグループが比較されます。

• 長時間作用型 (例: 週1回デュラグルチドおよびエクセナチド）対短時間作用型（エクセナチド、リラグルチドおよびリキシセナチド）
• GLP-1RA と基礎インスリンの固定対柔軟な組み合わせ。
• ヒト GLP-1 に類似した GLP-1RA (例: リラグルチド) とエキセンジンベースの GLP-1RA (例: エクセナチド）。

統計。 連続変数は、正規分布の場合は平均 ± 標準偏差 (SD)、非正規分布の場合は中央値 (四分位範囲) として表されます。 非正規変数は、パラメトリック テストで分析される前に対数変換されます。 カテゴリ変数はパーセンテージで表されます。 2 つのグループ間のベースライン特性の比較は、対応のない両側スチューデントの t 検定を連続変数に使用し、カイ 2 乗をカテゴリ変数に使用して実行されます。 2 つのグループ間のバランスを評価するために、p 値に加えて、標準化平均差 (SMD) を計算します。 ベースラインからフォローアップの終わりまでの有効性エンドポイント変数のグループ内変化は、対応のある両側スチューデントの t 検定を使用して分析されます。 次に、対応のない両側スチューデントの t 検定を使用して比較される、各グループ内のエンドポイント変数の変化を計算します。

チャネリング バイアス (異なる結果を引き起こす 2 つのグループ間のベースライン特性の違い) の問題に対処するために、2 つの異なるアプローチを使用します。 一次分析では、傾向スコア マッチング (PSM) を実行しますが、線形回帰による多変数調整 (MVA) を 2 番目のアプローチとして使用します。

統計分析は、SAS バージョン 9.4 (TS1M4) 以降と両側 p 値を使用して実行されます