Dipeptidyl peptidase-4 inhibitor use and mortality in COVID-19 patients with diabetes mellitus: an updated systematic review and meta-analysis
Notice bibliographique
Résumé
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 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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| 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 ».