Lower Risk of CV Events and Death Associated with Initiation of SGLT2 vs. DPP-4 Inhibitors—Analysis from the CVD-REAL 2 Study
Notice bibliographique
Résumé
DPP-4 inhibitors and SGLT2 inhibitors are widely used in T2D. Clinical trials demonstrated lower risk of CV events with SGLT2i, and a neutral effect on CV events with DPP-4i. However, large comparative studies are lacking. We compared the risk of death, hospitalization for heart failure (HHF), MI and stroke in patients starting the SGLT2i dapagliflozin (DAPA) vs. any DPP-4i, using real world data from S. Korea, Japan, Israel, and Canada. Patients initiating DAPA or DPP-4i were identified via national registries, claims, and medical records. Propensity scores for SGLT2i initiation were developed in each country, with 1:1 matching. Hazard ratios were assessed by country and pooled using weighted meta-analysis, with an intent-to-treat approach. In total, 128,066 patients were included (mean age 55 years, 46% women, 25% with history of CVD). Post-match, baseline characteristics were balanced across matched groups. Initiation of DAPA vs. DPP-4i was associated with significantly lower risk of death, HHF, MI and stroke (Figure 1). In a large cohort of T2D patients seen in clinical practice across 4 countries, 75% without established CVD, initiation of DAPA was associated with lower risk of CV events (including stroke) and death compared with DPP-4i. Disclosure S. Kohsaka: Research Support; Self; Bayer Yakuhin, Ltd.. Speaker's Bureau; Self; Bayer Yakuhin, Ltd.. Research Support; Self; Daiichi Sankyo Company, Limited. Speaker's Bureau; Self; Bristol-Myers Squibb Company. C.S. Lam: Research Support; Self; Boston Scientific Corporation, Bayer AG, Thermofisher, Medtronic, Vifor Pharma. Consultant; Self; Bayer AG, Novartis AG, AstraZeneca, Janssen Research & Development, Menarini Group, Abbott, Roche Diagnostics Corporation, Boehringer Ingelheim GmbH, Merck & Co., Inc.. D. Kim: None. A. Karasik: Stock/Shareholder; Self; Novo Nordisk A/S. Research Support; Self; Novo Nordisk A/S. Advisory Panel; Self; Novo Nordisk A/S, AstraZeneca. Research Support; Self; AstraZeneca. Consultant; Self; Boehringer Ingelheim GmbH. Advisory Panel; Self; Merck & Co., Inc., GlucoMe. N. Tangri: Research Support; Self; AstraZeneca. Advisory Panel; Self; AstraZeneca, Otsuka Holdings Co., Ltd. S. Goh: Advisory Panel; Self; AstraZeneca, Boehringer Ingelheim GmbH, Amgen Inc., Novo Nordisk A/S, Sanofi-Aventis, Servier. M. Thuresson: Consultant; Self; AstraZeneca. H. Chen: Employee; Self; AstraZeneca. F. Surmont: Employee; Self; AstraZeneca. N. Hammar: Employee; Self; AstraZeneca. Stock/Shareholder; Self; AstraZeneca. P. Fenici: Employee; Self; AstraZeneca. M. Kosiborod: Advisory Panel; Self; AstraZeneca. Consultant; Self; AstraZeneca, Amgen Inc., Sanofi, Boehringer Ingelheim GmbH, GlaxoSmithKline plc., Glytec Systems, Merck & Co., Inc., Novo Nordisk A/S, Janssen Pharmaceuticals, Inc., ZS Pharma, Inc., Intarcia Therapeutics, Inc., Novartis AG. Research Support; Self; AstraZeneca, Boehringer Ingelheim GmbH.
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,011 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,026 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».