Association Between DPP-4 Inhibitors and COVID-19–Related Outcomes Among Patients With Type 2 Diabetes
Notice bibliographique
Résumé
The severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2), the virus responsible for coronavirus disease 2019 (COVID-19), uses angiotensin-converting enzyme 2 to invade human cells. However, recent evidence suggested that dipeptidyl peptidase 4 (DPP-4) may be used as a coreceptor when SARS-CoV-2 enters the target cells (1). Interestingly, upregulation of DPP-4 is associated with older age, respiratory or cardiovascular disease, and diabetes (2), all of which were reported to exacerbate COVID-19. Given the pathophysiological evidence, DPP-4 inhibitors were suggested to have beneficial effects on COVID-19. Given the high fatality rate of COVID-19 among patients with diabetes, there is an urgent need to understand the effect DPP-4 inhibitors may have on COVID-19. Therefore, we aimed to determine whether use of DPP-4 inhibitors reduces the risk of adverse COVID-19–related outcomes among patients with type 2 diabetes (T2D). We conducted a nationwide cohort study using the Health Insurance Review and Assessment Service database linked with the Korea Disease Control and Prevention Agency database, which covers the entire South Korean population of ≥50 million, from 1 January 2017 to 15 May 2020. We included patients who had a positive test result for COVID-19 as of 15 May 2020, had been diagnosed with T2D within the preceding 3 years before COVID-19 diagnosis (cohort entry), and had ≥1 antidiabetic prescription within the 180 days before cohort entry. We excluded patients aged <18 years; those prescribed metformin monotherapy only, to restrict inclusion to patients who were on second- or third-line therapy for T2D; those prescribed insulin monotherapy as they are likely to be patients with type 1 diabetes; those prescribed only insulin and metformin as they do not belong to …
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 | 0,039 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».