Strong Association Between Weight Reduction and Suppression of Cardiovascular Events in Recent Clinical Trials of DPP4 Inhibitors, GLP-1 Receptor Agonists, and SGLT2 Inhibitors
Notice bibliographique
Résumé
The 2008 US Food and Drug Administration (FDA) regulation requires to demonstrate in clinical trials of new antidiabetic drugs, that these drugs do not increase the risk of development of cardiovascular events as compared to existing drugs, after adjustment for major risk factors.It has been difficult to show superiority of newer drugs after adjustments for the major risk factors, and in fact, superiority could not be demonstrated in the initial three trials of DPP-4 inhibitors [1][2][3].Therefore, it came as an unexpected surprise that the SGLT2 inhibitor empagliflozin showed superiority in the EMPA-REG OUTCOME study [4].Thereafter, superiority was again demonstrated in one study of SGLT2 inhibitor, CANVAS [5], two studies of GLP-1 receptor agonists, LEADER [6], and SUSTAIN-6 [7], but not in another two studies of GLP-1 receptor agonists, ELIXA [8], and EXCEL [9].Various hypotheses have been proposed in regard to factors influencing the demonstration of superiority, but there is no widely accepted theory.It has been suggested that differences in the patients' background characteristics may be a factor.It is also possible that the incidence of cardiovascular events is not sufficiently high in studies with a short study period, and that there is a bias towards patients with slightly higher risk being in the active drug group.We focused on weight reduction, because weight gain is a risk factor for cardiovascular diseases, independent of disordered glucose metabolism, elevated blood pressure, and abnormal lipid profile [10].We examined the correlations between the body weight changes and hazard ratios before and after treatment in eight studies [1-2, 4-9].In , since the analysis was carried out with semaglutide 0.5 mg and 1 mg treatment respectively, both were adopted.The TECOS study [3] was excluded, as there were no data on the body weight changes in this study.As shown in the Figure 1 [1-9], there was a strong cor-
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 | 0,024 | 0,041 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».