Glucagon-Like Peptide 1 Receptor Agonists and the Risk of Incident Diabetic Retinopathy
Notice bibliographique
Résumé
OBJECTIVE: Previous studies suggested that glucagon-like peptide 1 receptor agonists (GLP-1 RAs) may initially worsen and possibly increase the risk of diabetic retinopathy. However, data on this possible association remain limited. Thus, this population-based study aimed to determine whether use of GLP-1 RAs is associated with an increased risk of incident diabetic retinopathy. RESEARCH DESIGN AND METHODS: Using the U.K. Clinical Practice Research Datalink (CPRD), we conducted a cohort study among 77,115 patients with type 2 diabetes initiating antidiabetic drugs between January 2007 and September 2015. Adjusted hazard ratios (HRs) and 95% CIs of incident diabetic retinopathy were estimated using time-dependent Cox proportional hazards models, comparing use of GLP-1 RAs with current use of two or more oral antidiabetic drugs. In an ancillary analysis, new users of GLP-1 RAs were compared with new users of insulin. RESULTS: During 245,825 person-years of follow-up, 10,763 patients were newly diagnosed with diabetic retinopathy. Compared with current use of two or more oral antidiabetic drugs, use of GLP-1 RAs was not associated with an increased risk of incident diabetic retinopathy overall (HR 1.00, 95% CI 0.85-1.17). Compared with insulin, GLP-1 RAs were associated with a decreased risk of diabetic retinopathy (HR 0.67, 95% CI 0.51-0.90). CONCLUSIONS: The associations with diabetic retinopathy varied according to the type of comparator. When compared with use of two or more oral antidiabetic drugs, use of GLP-1 RAs was not associated with an increased risk of incident diabetic retinopathy. The apparent lower risk of diabetic retinopathy associated with GLP-1 RAs compared with insulin may be due to residual confounding.
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 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 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».