Use of Glucagon-Like-Peptide 1 Receptor Agonists and Risk of Fracture as Compared to Use of Other Anti-hyperglycemic Drugs
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Glucagon-like peptide-1 receptor agonists (GLP-1 RAs) are a new class of drugs that might have a potential beneficial effect on bone metabolism. Data on the effect of GLP-1 RAs and fracture risk are lacking. The aim of the present study was to investigate the association between the use of GLP-1 and the risk of fracture. A case-control study was performed using Danish National Health Service data. Cases were those who sustained a fracture and controls were those without a fracture during the study period (2007-2011), all aged 18 years and above. Conditional logistic regression estimated the odds ratios (OR) of fracture with current use of DPP4-I use. Analyses were adjusted for comorbidities and recent drug use. Among cases (n = 229,114), there were 6993 current non-insulin anti-diabetic drug (NIAD) users (excluding incretin users) and 255 GLP-1 RA users. Similarly, among controls (n = 229,114), 7209 were NIAD users (excluding incretin users) and 220 were GLP-1 RA users. Current GLP-1 RA use was not associated with a decreased risk of fracture [adjusted (adj.) OR 1.16; 95% CI 0.83-1.63]. Osteoporotic fracture risk was also not associated with current GLP-1 RA use (adj. OR 0.78; 95% CI 0.44-1.39). In our nation-wide case-control study, we identified that the use of GLP-1 RA was not associated with fracture risk as compared to the use of other anti-hyperglycemic drugs. Additionally, current GLP-1 RA use, stratified by cumulative or average daily dose, is not associated with fracture risk. Further research should focus on long-term use of GLP-1 RA and fracture risk.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle