<scp>SGLT</scp>‐2 inhibitors and the risk of hospitalization for <scp>community‐acquired</scp> pneumonia: A population‐based cohort study
Notice bibliographique
Résumé
PURPOSE: Sodium-glucose co-transporter 2 inhibitors (SGLT-2i) have been associated with an increased risk of genitourinary tract infections. Through similar biological mechanisms, they may also increase the risk of community-acquired pneumonia. Our objective was to compare the rate of hospitalization for community-acquired pneumonia (HCAP) with SGLT-2i compared to dipeptidyl peptidase-4 inhibitors (DPP-4i) among patients with type 2 diabetes. METHODS: We used the United Kingdom's Clinical Practice Research Datalink Gold, linked to hospitalization data, to construct a cohort of patients with type 2 diabetes. Using a time-dependent Cox proportional hazards model, we estimated the adjusted hazard ratio (HR) for HCAP with current use of SGLT-2i versus DPP-4i. RESULTS: Among 29 896 patients, 705 HCAPs occurred over a mean follow-up of 1.7 years (SD: 1.2). Incidence rates for SGLT-2i and DPP-4i users were 6.2 (95% confidence interval [CI]: 3.7, 10.2) and 17.8 (95% CI: 15.3, 20.7) per 1000 person-years, respectively. Current use of SGLT-2i was associated with a decreased risk of HCAP compared to current use of DPP-4i (adjusted HR: 0.48, 95% CI: 0.28, 0.82). However, a comparison of SGLT-2i versus glucagon-like peptide-1 receptor agonists (GLP-1 RA) found no difference in risk of HCAP (adjusted HR: 0.94, 95% CI: 0.44, 1.89). CONCLUSIONS: SGLT-2i are associated with a decreased rate of HCAP compared to DPP-4i, but not when compared to GLP-1 RA, among patients with type 2 diabetes.
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 | 0,005 | 0,005 |
| 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) | 0,000 | 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 ».