MétaCan
Menu
Retour à la cohorte
Enregistrement W2916296804 · doi:10.1161/circulationaha.118.038868

Comparison of the Effects of Glucagon-Like Peptide Receptor Agonists and Sodium-Glucose Cotransporter 2 Inhibitors for Prevention of Major Adverse Cardiovascular and Renal Outcomes in Type 2 Diabetes Mellitus

2019· review· en· W2916296804 sur OpenAlexaff
Thomas A. Zelniker, Stephen D. Wiviott, Itamar Raz, KyungAh Im, Erica L. Goodrich, Remo H.M. Furtado, Marc P. Bonaca, Ofri Mosenzon, Eri Kato, Avivit Cahn, Deepak L. Bhatt, Lawrence A. Leiter, Darren K. McGuire, John Wilding, Marc S. Sabatine

Notice bibliographique

RevueCirculation · 2019
Typereview
Langueen
DomaineMedicine
ThématiqueDiabetes Treatment and Management
Établissements canadiensSt. Michael's Hospital
Organismes subventionnairesnon disponible
Mots-clésMedicineMaceInternal medicineHazard ratioDiabetes mellitusMyocardial infarctionType 2 diabetesHeart failureAdverse effectStroke (engine)Type 2 Diabetes MellitusEndocrinologyConfidence intervalPercutaneous coronary intervention

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Glucagon-like peptide 1 receptor agonists (GLP1-RA) and sodium-glucose cotransporter-2 inhibitors (SGLT2i) have emerged as 2 new classes of antihyperglycemic agents that also reduce cardiovascular risk. The relative benefits in patients with and without established atherosclerotic cardiovascular disease for different outcomes with these classes of drugs remain undefined. METHODS: We performed a systematic review and trial-level meta-analysis of GLP1-RA and SGLT2i cardiovascular outcomes trials using the PubMed and EMBASE databases (Excerpta Medica Database). The primary outcomes were the composite of myocardial infarction, stroke, and cardiovascular death (MACE); hospitalization for heart failure; and progression of kidney disease. RESULTS: In total, data from 8 trials and 77 242 patients, 42 920 (55.6%) in GLP1-RA trials, and 34 322 (44.4%) in SGLT2i trials, were included. Both drug classes reduced MACE in a similar magnitude with GLP1-RA reducing the risk by 12% (hazard ratio [HR], 0.88; 95% CI, 0.84-0.94; P<0.001) and SGLT2i by 11% (HR, 0.89; 95% CI, 0.83-0.96; P=0.001). For both drug classes, this treatment effect was restricted to a 14% reduction in those with established atherosclerotic cardiovascular disease (HR, 0.86; 95% CI, 0.80-0.93; P=0.002), whereas no effect was seen in patients without established atherosclerotic cardiovascular disease (HR, 1.01; 95% CI, 0.87-1.19; P=0.81; P interaction, 0.028). SGLT2i reduced hospitalization for heart failure by 31% (HR, 0.69; 95% CI, 0.61-0.79; P<0.001), whereas GLP1-RA did not have a significant effect (HR, 0.93; 95% CI, 0.83-1.04; P=0.20). Both GLP1-RA (HR, 0.82; 95% CI, 0.75-0.89; P<0.001) and SGLT2i (HR, 0.62; 95% CI, 0.58-0.67; P<0.001) reduced the risk of progression of kidney disease including macroalbuminuria, but only SGLT2i reduced the risk of worsening estimated glomerular filtration rate, end-stage kidney disease, or renal death (HR, 0.55; 95% CI, 0.48-0.64; P<0.001). CONCLUSIONS: In trials reported to date, GLP1-RA and SGLT2i reduce atherosclerotic MACE to a similar degree in patients with established atherosclerotic cardiovascular disease, whereas SGLT2i have a more marked effect on preventing hospitalization for heart failure and progression of kidney disease. Their distinct clinical benefit profiles should be considered in the decision-making process when treating patients with type 2 diabetes mellitus.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,012
score de la tête « metaresearch » (Gemma)0,020
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,065

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0120,020
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0150,024
Bibliométrie0,0040,003
Études des sciences et des technologies0,0000,001
Communication savante0,0030,001
Science ouverte0,0010,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,025
Tête enseignante GPT0,300
Écart entre enseignants0,275 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations781
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCirculationMême sujetDiabetes Treatment and ManagementTravaux en français237 207