Sodium–Glucose Cotransporter-2 Inhibitors and the Risk for Diabetic Ketoacidosis
Notice bibliographique
Résumé
BACKGROUND: Sodium-glucose cotransporter-2 (SGLT-2) inhibitors could increase the risk for diabetic ketoacidosis (DKA). OBJECTIVE: To assess whether SGLT-2 inhibitors, compared with dipeptidyl peptidase-4 (DPP-4) inhibitors, are associated with an increased risk for DKA in patients with type 2 diabetes. DESIGN: Population-based cohort study; prevalent new-user design between 2013 and 2018. (ClinicalTrials.gov: NCT04017221). SETTING: Electronic health care databases from 7 Canadian provinces and the United Kingdom. PATIENTS: 208 757 new users of SGLT-2 inhibitors were matched by using time-conditional propensity scores to 208 757 recipients of DPP-4 inhibitors. MEASUREMENTS: Cox proportional hazards models estimated site-specific hazard ratios (HRs) with 95% CIs of DKA comparing receipt of SGLT-2 inhibitors with receipt of DPP-4 inhibitors, which were pooled by using random-effects models. Secondary analyses were stratified by molecule, age, sex, and prior receipt of insulin. RESULTS: Overall, 521 patients were diagnosed with DKA during 370 454 person-years of follow-up (incidence rate per 1000 person-years, 1.40 [95% CI, 1.29 to 1.53]). Compared with DPP-4 inhibitors, SGLT-2 inhibitors were associated with an increased risk for DKA (incidence rate, 2.03 [CI, 1.83 to 2.25] versus 0.75 [CI, 0.63 to 0.89], respectively; HR, 2.85 [CI, 1.99 to 4.08]). Molecule-specific HRs were 1.86 (CI, 1.11 to 3.10) for dapagliflozin, 2.52 (CI, 1.23 to 5.14) for empagliflozin, and 3.58 (CI, 2.13 to 6.03) for canagliflozin. Age and sex did not modify the association; prior receipt of insulin appeared to decrease the risk. LIMITATIONS: There was unmeasured confounding and no laboratory data were available for the majority of patients, and molecule-specific analyses were conducted at a limited number of sites. CONCLUSION: SGLT-2 inhibitors were associated with an almost 3-fold increased risk for DKA, with molecule-specific analyses suggesting a class effect. PRIMARY FUNDING SOURCE: Canadian Institutes of Health Research.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».