研究利用機器學習分析卡塔爾生物庫中1000名參與者的臨床和骨骼健康指標，預測糖尿病。機器學習模型準確率超過84%，經特徵選擇後提高至87.2%。發現糖尿病患者HDL膽固醇和中性粒細胞高，維生素B12和睪固酮低，鈉水平也低。達帕格列酮處方與降低酶水平相關。研究建議結合DXA和臨床數據的機器學習模型可早期診斷糖尿病。 PubMed DOI

腎臟病患的預後各有不同，預測模型可提供個人化治療建議。然而，在應用前，必須評估模型對臨床的實際影響。雖然影響試驗理想但難以實現，導致評估不足。這可能導致使用無效模型，忽略有效模型。為解決此問題，可採用訪談、調查及決策分析等替代方法評估模型影響。該論文討論了這些方法的例子和挑戰。 PubMed DOI

最近2型糖尿病（T2D）治療的進展顯示，鈉-葡萄糖共轉運蛋白-2抑制劑（SGLT-2i）和類胰高血糖素肽-1受體激動劑（GLP-1RA）不僅能有效降低血糖，還能提供心血管和腎臟保護，減少體重及低血糖風險。這些藥物能改善生活品質，減輕糖尿病相關壓力，並簡化治療方案，降低胰島素使用頻率。此外，它們還能降低憂鬱症、認知衰退等共病的風險。建議在治療中納入這些藥物，強調以患者為中心的管理方式。 PubMed DOI

真實世界糖尿病進展 (RAPIDS) 2.0 風險引擎是一個模擬模型，專門分析2型糖尿病患者在不同降糖治療下的長期結果。這個模型經過精煉，並考量了基線數據及年齡的影響，涵蓋了DPP-4抑制劑、GLP-1受體激動劑和SGLT-2抑制劑等藥物的最新效果。RAPIDS 2.0以25,000名患者的數據進行校準，並驗證了263,816名患者的結果，顯示出在不同子群體中預測的準確性，對於評估降糖治療策略的效果具有潛在價值。 PubMed DOI

慢性腎臟病（CKD）日益普遍，對醫療系統造成挑戰，需有效管理資源。決策者在分配資源時，必須考慮干預措施的財務影響。病人報告的結果指標（PROMs）在腎臟科的健康經濟評估中至關重要，因為它們提供病人生活品質的見解，超越臨床結果，反映對日常生活的影響。透過成本效用分析，整合PROMs的效用值，能量化CKD治療的好處，並支持質量改善計畫，確保成本效益。使用PROMs有助於優先考量病人為中心的結果，促進公平的醫療服務。 PubMed DOI

糖尿病已成為全球日益嚴重的健康問題，影響公共健康與經濟。自1950年代以來，許多糖尿病藥物獲得FDA批准，治療重點也逐漸轉向全面評估療效與副作用。本研究透過數據包絡分析（DEA）評估20種2型糖尿病藥物的效率，結果顯示GLP-1類藥物（如口服及皮下注射Semaglutide、Dulaglutide）效率最高，而2010年後批准的藥物效率顯著提升。研究強調藥物效率的重要性，超越傳統的成本效益分析。 PubMed DOI

針對2型糖尿病的精準治療，需要考量治療的多樣性和臨床預測因子，以找出最能受益的患者。最近的研究分析了10項大型心血管試驗的數據，專注於使用DPP-4抑制劑、GLP-1受體激動劑和SGLT-2抑制劑的患者全因死亡率。結果顯示，安慰劑組的死亡時間變異性高於治療組，但未找到解釋治療異質性的預測因子。這顯示在高心血管風險的2型糖尿病患者中，精準治療改善全因死亡率的潛力有限，強調了早期與血糖控制和體重相關的結果。 PubMed DOI

這項研究強調更新第二型糖尿病（T2D）管理模式的必要性，從傳統的血糖中心轉向更全面、以人為本的策略。主要更新包括：納入多元治療選擇，考量心血管風險及共病；修訂風險因素進展方程式；強調SGLT2抑制劑和GLP-1受體激動劑的心腎代謝益處；比較傳統與新模型的預測結果，顯示全面方法能減少臨床事件；並強調現實世界的相關性。總之，全面的方法能更準確反映病人護理的複雜性，並符合當前的臨床指導方針。 PubMed DOI

糖尿病在醫療上面臨重大挑戰，主要因為血糖控制不良引發的併發症。為了解決這個問題，維吉尼亞大學虛擬實驗室（UVLab）開發了電腦模擬平台，模擬2型糖尿病患者的治療反應。這裡使用了一個關於葡萄糖穩態的數學模型，並擁有6062名虛擬受試者的數據庫。 他們提出了一種名為基於分佈的子群選擇（DSPS）的方法，能夠選擇符合特徵的虛擬受試者，以預測臨床試驗結果。這項方法在一項為期26週的臨床試驗中成功應用，選擇的子群與臨床數據高度一致，顯示出良好的預測能力。 PubMed DOI

這項研究建立了一個預測模型，旨在找出對2型糖尿病患者最有效的降糖療法，並使用常見的臨床數據。模型評估了五種藥物類別，並基於100,107次藥物啟動的九個臨床特徵進行開發。結果顯示，接受最佳療法的患者在12個月內的HbA1c水平顯著低於非最佳療法患者，且在5年內的血糖失控風險及心血管事件風險較低。這個模型的可行性高，能改善糖尿病管理及治療效果。 PubMed DOI