原始文章

這項研究針對新診斷的第二型糖尿病(T2DM)患者,使用k-means群集演算法分析567名參與者,識別出四種亞型:嚴重胰島素缺乏型(SIDD)、年齡相關型(MARD)、輕度肥胖相關型(MOD)和嚴重胰島素抵抗型(SIRD)。研究發現,SIDD和SIRD的血糖及脂質指標較高,MOD的胰島素水平最高。用藥模式也不同,各亞型在糖尿病併發症的風險上存在顯著差異,顯示基於群集的分類方法能有效指導個性化治療。 PubMed DOI


站上相關主題文章列表

研究分析了肥胖T2DM患者在基礎-波羅斯胰島素治療下3年內的HbA1c軌跡,以找出血糖控制不佳的群集及治療慣性因素。研究發現六種不同的HbA1c軌跡模式,指出黑人族群、缺乏非胰島素抗高血糖藥物、低依從性和減少的胰島素補充與較差的控制有關。研究強調了根據HbA1c模式分組患者以進行更好的疾病管理的重要性。 PubMed DOI

研究分析了急診收治的2型糖尿病患者的臨床和藥理特徵,發現家庭支持、肌酐水平、血紅蛋白、AST/ALT比值、肥胖等與糖尿病及合併症有關聯。結果強調治療T2DM需考慮多方面因素。 PubMed DOI

研究使用K-means分析將新診斷的中國2型糖尿病患者分成不同亞組,探討其遺傳特徵和心血管風險。結果顯示四個集群代表不同糖尿病亞組,並發現亞組間遺傳和心血管風險有顯著差異。研究指出,個別化醫療或許可根據臨床和遺傳資訊,針對不同糖尿病亞組的心血管風險提供更有效的治療。 PubMed DOI

研究比較了初次診斷的年輕型和老年型2型糖尿病患者在人口統計、合併症及處方藥物方面的不同。結果顯示,年輕型患者更容易有血脂異常,且處方的降糖藥物種類也不同於老年型患者。年輕型患者常使用二甲双胍、DDP-4抑制劑、TZD、SGLT2抑制劑和GLP-1受體激動劑。 PubMed DOI

研究利用貝葉斯因果樹方法,開發個人化第2型糖尿病藥物治療演算法。通過分析超過46,000名患者數據,預測個人對SGLT2抑制劑和GLP-1受體激動劑的反應。發現治療反應變異性大,性別是主要影響因素,女性對GLP-1激動劑反應較佳。這種精準醫學方法可幫助改善第2型糖尿病患者治療選擇。 PubMed DOI

糖尿病影響很多成年人,全球每10人就有1人受影響。雖然降血糖藥物有進步,但許多患者仍難達到滿意控制。研究發現糖尿病比想像中複雜,尤其在遺傳和表觀遺傳方面。對第2型糖尿病的叢集分析顯示希望,這是最常見的型。血糖監測和人工智慧進步,或許能更準確診斷和治療糖尿病患者。 PubMed DOI

研究比較了不同糖尿病治療對初次診斷為2型糖尿病的影響。結果顯示,聯合治療比傳統方法對心腎健康有更好效果。這項真實世界研究強調早期多藥療法的重要性。 PubMed DOI

根據2021年國際糖尿病聯盟的報告,全球有5.37億人罹患糖尿病。雖然GLP-1激動劑對糖尿病治療有效,但約40%的患者反應不佳。本研究利用機器學習預測患者對GLP-1療法的反應,分析了2型糖尿病患者的數據,並找出5個基因變異和45個蛋白質標記,成功達到95%的預測準確率。這顯示機器學習在個人化治療中的潛力,但仍需在更大規模的研究中驗證結果。 PubMed DOI

這項研究探討2型糖尿病(T2D)和前期糖尿病的代謝異質性,超越傳統的空腹血糖或HbA1c分類。研究人員識別出四種代謝亞表型,分別是肌肉胰島素抗性、β細胞功能障礙、腸促胰島素作用受損及肝臟胰島素抗性,並發現個體之間存在顯著變異。透過口服葡萄糖耐受測試(OGTT)和機器學習,研究團隊成功預測這些亞表型,並提供有效的風險分層及針對性治療策略,以預防T2D,挑戰傳統的血糖水平分類方法。 PubMed DOI

這項研究評估了結合飲食管理的雲端醫院整合數據平台對2型糖尿病成人的效果。180名參與者隨機分為兩組:A組接受標準護理,B組則使用整合平台並搭配個性化飲食教育。結果顯示,B組在12週後的HbA1c水平顯著降低(6.9%對比A組的7.4%),且空腹血糖控制更佳。此外,B組的超重或肥胖患者體重減輕明顯,特別是使用semaglutide的患者,減重達13.4%。整體來看,這種整合平台對糖尿病管理特別有效。 PubMed DOI