Incretin‐based drugs and risk of lung cancer among individuals with type 2 diabetes
Notice bibliographique
Résumé
AIM: To assess whether dipeptidyl peptidase-4 inhibitors and glucagon-like peptide-1 receptor agonists are associated with an increased lung cancer risk among individuals with type 2 diabetes. METHODS: We conducted a population-based cohort study using the UK Clinical Practice Research Datalink. We identified 130 340 individuals newly treated with antidiabetes drugs between January 2007 and March 2017, with follow-up until March 2018. We used a time-varying approach to model use of dipeptidyl peptidase-4 inhibitors and glucagon-like peptide-1 receptor agonists compared with use of other second- or third-line antidiabetes drugs. We used Cox proportional hazards models to estimate the adjusted hazard ratios, with 95% CIs, of incident lung cancer associated with use of dipeptidyl peptidase-4 inhibitors and glucagon-like peptide-1 receptor agonists, separately, by cumulative duration of use, and by time since initiation. RESULTS: A total of 790 individuals were newly diagnosed with lung cancer (median follow-up 4.6 years, incidence rate 1.5/1000 person-years, 95% CI 1.4-1.6). Compared with use of second-/third-line drugs, use of dipeptidyl peptidase-4 inhibitors and glucagon-like peptide-1 receptor agonists was not associated with an increased lung cancer risk (hazard ratio 1.07, 95% CI 0.87-1.32, and hazard ratio 1.02, 95% CI 0.68-1.54, respectively). There was no evidence of duration-response relationships. CONCLUSIONS: In individuals with type 2 diabetes, use of incretin-based drugs was not associated with increased lung cancer 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.
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) | 0,001 | 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) | 0,001 | 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 ».