結合 EMDR、SE、阿德勒、DBT、SMART、PPN、TF-CBT、基模療法、TRE、薩提爾、藝術治療、音樂治療及頭薦骨,配合經顱磁刺激TMS與藥物,提供貼近個人需求的整合資源,療癒創傷。

WHAT'S NEW?
Loading...

猛健樂與週纖達劑量轉換 | 線上即時換算 | 從血糖與體重的考量

GLP-1受體激動劑劑量換算工具

協助醫療專業人員進行藥物劑量轉換的互動式參考工具

⚕️ 專業聲明:本工具僅供醫療專業人員參考使用。實際處方應考量個別患者狀況、臨床判斷及最新治療指引。最後更新:2024年11月

血糖控制劑量選擇

💡 使用說明

  • 選擇目前使用的GLP-1藥物及劑量
  • 選擇欲轉換的目標藥物
  • 系統將根據臨床證據提供換算建議
  • 如有胃腸道不耐受,建議從更低劑量開始
📊

請選擇藥物並計算

選擇目前使用藥物和欲轉換藥物後,點擊「計算建議劑量」按鈕以查看詳細的轉換建議。

體重管理劑量選擇

⚖️ 體重管理指引

  • 選擇適合患者的減重目標
  • 高劑量通常可達到更顯著的體重減少
  • 建議配合飲食與運動介入
  • 監測體重變化及代謝指標
⚖️

請選擇藥物並計算

選擇目前使用藥物、治療目標和欲轉換藥物後,點擊「計算建議劑量」按鈕以查看體重管理的轉換建議。

證據等級評估框架

高品質
隨機對照試驗 (RCT)系統性回顧/統合分析,具備:
  • 大樣本數(n > 500)
  • 低偏差風險
  • 結果一致性高
  • 遵循Cochrane標準
中品質
世代研究小型RCT,可能存在:
  • 中等樣本數(100-500)
  • 中度偏差風險
  • 部分結果不一致
  • 低品質
    病例對照研究真實世界證據,特點:
  • 小樣本或觀察性研究
  • 較高偏差風險
  • 結果一致性未確立
  • 臨床試驗研究

    SUSTAIN trials (Semaglutide)

    RCT 高品質
    2017-2018 Various 樣本數 >3000
    主要發現:司美魯肽各劑量的療效和安全性數據。0.5mg和1.0mg每週劑量在第二型糖尿病患者中顯示優異的血糖控制(HbA1c降低1.5-1.8%)和體重減少效果。

    研究設計

    多中心、隨機、雙盲、對照試驗系列(SUSTAIN 1-10),比較司美魯肽與安慰劑、其他GLP-1 RA及基礎胰島素的療效與安全性。

    關鍵結果

    • HbA1c降低:0.5mg (-1.4%), 1.0mg (-1.5至-1.8%)
    • 體重減少:0.5mg (-3.5至-4.5kg), 1.0mg (-4.5至-6.5kg)
    • 50-60%患者達到HbA1c < 7%目標
    • 心血管安全性:SUSTAIN-6顯示顯著降低主要心血管事件風險

    研究限制

    試驗期間相對較短(多數為30-56週),長期安全性數據有限。胃腸道副作用發生率較高(20-30%患者報告噁心)。

    SURMOUNT trials (Tirzepatide)

    RCT 高品質
    2022-2024 NEJM / JAMA 樣本數 >2500
    主要發現:替爾帕肽在體重管理的卓越表現。15mg劑量可達到平均22.5%的體重減少,遠超其他GLP-1受體激動劑。

    研究設計

    SURMOUNT-1至SURMOUNT-4系列研究,評估替爾帕肽(雙重GIP/GLP-1受體激動劑)在肥胖及體重管理的療效。隨機、雙盲、安慰劑對照設計,追蹤期達72週。

    關鍵結果

    • 平均體重減少:5mg (-15%), 10mg (-19.5%), 15mg (-22.5%)
    • 91%患者達到至少5%體重減少
    • HbA1c改善:-2.1至-2.2%(糖尿病患者)
    • 代謝指標全面改善:血壓、血脂、肝功能
    • 55%患者達到正常糖化血色素(<5.7%)

    研究限制

    高劑量組(10-15mg)胃腸道副作用發生率較高。停藥後體重反彈問題需要長期追蹤。成本效益分析仍在進行中。

    系統性回顧與統合分析

    Comparative effectiveness of GLP-1 receptor agonists on glycaemic control, body weight, and lipid profile for type 2 diabetes

    統合分析 高品質
    2024 BMJ 納入多項RCT
    主要發現:網絡統合分析顯示替爾帕肽在血糖控制和體重減少方面表現最佳,其次為司美魯肽。研究納入113項隨機對照試驗,總計超過5萬名患者。

    研究設計

    網絡統合分析(Network Meta-analysis),系統性搜尋並分析所有比較GLP-1受體激動劑的隨機對照試驗。使用貝氏方法進行間接比較。納入標準:RCT、追蹤期≥12週、第二型糖尿病成人患者。

    關鍵結果

    • HbA1c降低排序:替爾帕肽 > 司美魯肽 > 度拉糖肽 > 利拉魯肽
    • 體重減少排序:替爾帕肽 > 司美魯肽 > 利拉魯肽 > 度拉糖肽
    • 所有GLP-1 RA相較於安慰劑均顯著改善代謝指標
    • 效果大小(Effect Size):替爾帕肽 d=1.2, 司美魯肽 d=0.9

    研究限制

    不同試驗間患者基線特徵存在異質性。間接比較的證據強度低於直接頭對頭試驗。長期療效(>2年)數據仍然有限。

    證據品質評估

    使用GRADE方法評估:整體證據品質為中至高等級。偏差風險評估:大多數納入研究為低至中度風險。結果一致性:各研究間HbA1c改善一致性高(I² = 15%),體重減少異質性中等(I² = 45%)。

    劑量換算指引

    Switching Between GLP-1 Receptor Agonists in Clinical Practice

    系統性回顧 高品質
    2020 Diabetes Therapy
    主要發現:提供藥物轉換的實務建議和劑量調整策略。建議每日藥物可隔天轉換,每週藥物需間隔7天。胃腸道不耐受患者應從起始劑量開始。

    研究設計

    系統性文獻回顧,整合臨床試驗數據、真實世界研究及專家共識,建立GLP-1受體激動劑轉換的實務指引。

    轉換建議摘要

    • 每日轉每週:停止每日藥物後隔天開始每週藥物
    • 每週轉每日:最後一次每週劑量7天後開始每日藥物
    • 每週轉每週:間隔7天,在原定給藥日開始新藥
    • 劑量選擇:耐受良好可從相當劑量開始,否則降一階
    • 滴定速度:有GI副作用史者應採用較慢滴定

    安全性考量

    約20-30%患者在轉換期間可能出現暫時性胃腸道症狀。建議在轉換前確保患者目前藥物已耐受良好至少4週。監測血糖變化,必要時調整其他降血糖藥物。

    真實世界證據

    Real-world effectiveness studies of GLP-1 RAs

    真實世界 中品質
    2023-2024 Multiple
    主要發現:真實世界使用情況驗證臨床試驗結果。藥物持續性、患者滿意度及長期安全性數據支持GLP-1受體激動劑在常規臨床實踐中的應用。

    研究設計

    回溯性世代研究,分析電子健康紀錄資料庫中使用GLP-1受體激動劑的患者。觀察期1-3年,評估療效、安全性及藥物持續性。

    關鍵發現

    • 真實世界HbA1c降低幅度略低於RCT(-0.8至-1.5%)
    • 體重減少與臨床試驗相當
    • 每週注射藥物持續性優於每日藥物(12個月持續率:60% vs 40%)
    • 胃腸道副作用為最常見停藥原因(15-20%)
    • 心血管保護效益在真實世界中得到確認

    研究限制

    觀察性研究設計,存在選擇偏差及混淆因子。缺乏隨機分配。資料完整性依賴電子病歷品質。部分患者失訪率較高。

    研究方法學說明

    效果強度分析 (Effect Size)

    效果強度使用Cohen's d或標準化平均差(SMD)計算:

    d = (M₁ - M₂) / SD_pooled

    判讀標準:

    • 小效果:d = 0.2 - 0.5
    • 中效果:d = 0.5 - 0.8
    • 大效果:d ≥ 0.8

    替爾帕肽在HbA1c改善的效果強度達1.2(大效果),司美魯肽為0.9(大效果)。

    偏差風險評估 (Risk of Bias)

    使用Cochrane Risk of Bias Tool 2.0評估:

    • 隨機化過程:分配序列產生與隱藏
    • 偏離預定介入:盲性維持與依從性
    • 遺漏結果數據:失訪率與意向治療分析
    • 結果測量:結果評估者盲性
    • 選擇性報告:事先登記與完整報告

    異質性評估

    使用I²統計量評估研究間異質性:

    • I² ≤ 25%:低異質性
    • I² = 25-50%:中度異質性
    • I² ≥ 50%:高異質性

    高異質性時需進行亞組分析或meta-regression探討來源。

    證據品質分級 (GRADE)

    綜合考量以下因素:

    • 研究設計(RCT起始為高品質)
    • 偏差風險(嚴重時降級)
    • 不一致性(I²高時降級)
    • 間接性(PICO不完全符合時降級)
    • 不精確性(信賴區間寬時降級)
    • 發表偏差(漏斗圖不對稱時降級)