MétaCan
Menu
Retour à la cohorte
Enregistrement W3132543947 · doi:10.1177/2042018821996482

Dipeptidyl peptidase-4 inhibitor use and mortality in COVID-19 patients with diabetes mellitus: an updated systematic review and meta-analysis

2021· article· en· W3132543947 sur OpenAlexaboutno aff
Rimesh Pal, Mainak Banerjee, Soham Mukherjee, Ranjitpal Singh Bhogal, Amanpreet Kaur, Sanjay Kumar Bhadada

Notice bibliographique

RevueTherapeutic Advances in Endocrinology and Metabolism · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueCOVID-19 Clinical Research Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDipeptidyl peptidase-4MedicineMeta-analysisCoronavirus disease 2019 (COVID-19)Diabetes mellitusDipeptidyl peptidaseType 2 Diabetes MellitusInternal medicine2019-20 coronavirus outbreakVildagliptinDipeptidyl peptidase-4 inhibitorPharmacologySevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)Intensive care medicineType 2 diabetesVirologyEnzymeEndocrinologyDiseaseInfectious disease (medical specialty)BiologyBiochemistry

Résumé

récupéré en direct d'OpenAlex

Background: Few observational studies have shown a beneficial effect of dipeptidyl peptidase-4 inhibitors (DPP4i) in patients with coronavirus disease 2019 (COVID-19), although results are not consistent. The present systematic review and meta-analysis was undertaken to provide a precise summary of the effect of DPP4i use (preadmission or in-hospital) and mortality in COVID-19 patients with diabetes mellitus (DM). Methods: PubMed and Google Scholar databases were systematically searched using appropriate keywords to 4 January 2021, to identify observational studies reporting mortality in COVID-19 patients with DM using DPP4i versus those not using DPP4i. Preadmission and in-hospital use of DPP4i were considered. Study quality was assessed using the Newcastle–Ottawa Scale. Unadjusted and adjusted pooled odds ratio (OR) with 95% confidence intervals (CIs) were calculated. Subgroup analysis was performed for studies reporting preadmission and in-hospital use of DPP4i. Results: We identified nine observational studies of high quality pooling data retrieved from 7008 COVID-19 patients with DM. The pooled analysis of unadjusted and adjusted data did not show any significant association between DPP4i use and mortality in COVID-19 patients with DM. However, on subgroup analysis, we found that in-hospital (and not preadmission) DPP4i use was associated with reduced mortality (unadjusted OR 0.37, 95% CI 0.23, 0.58, p < 0.0001, I 2 = 0% and adjusted OR 0.27, 95% CI 0.13, 0.55, p = 0.0003, I 2 = 12%). Conclusions: In-hospital use of DPP4i is associated with a significant reduction in COVID-19 mortality. Hence, it would be prudent to initiate or continue DPP4i in COVID-19 patients with DM if not contraindicated.

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)0,010
score de la tête « metaresearch » (Gemma)0,023
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,052

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,023
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0150,035
Bibliométrie0,0080,009
Études des sciences et des technologies0,0010,000
Communication savante0,0030,001
Science ouverte0,0020,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,067
Tête enseignante GPT0,407
Écart entre enseignants0,340 · 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'étudeMéta-analyse
Domainenon disponible
GenreEmpirique

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

En bref

Citations39
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTherapeutic Advances in Endocrinology and MetabolismMême sujetCOVID-19 Clinical Research StudiesTravaux en français237 207