Glucagon-Like Peptide 1 Receptor Agonists and Sodium–Glucose Cotransporter 2 Inhibitors and Risk of Nonalcoholic Fatty Liver Disease Among Patients With Type 2 Diabetes
Notice bibliographique
Résumé
OBJECTIVE: To determine whether glucagon-like peptide 1 receptor agonists (GLP-1 RA) and sodium-glucose cotransporter 2 (SGLT-2) inhibitors, separately, are associated with a decreased risk of nonalcoholic fatty liver disease (NAFLD) compared with dipeptidyl peptidase 4 (DPP-4) inhibitors among patients with type 2 diabetes. RESEARCH DESIGN AND METHODS: We assembled two new-user, active comparator cohorts using the U.K. Clinical Practice Research Datalink. The first included 30,291 and 225,320 new users of GLP-1 RA and DPP-4 inhibitors, respectively. The second included 41,184 and 148,421 new users of SGLT-2 inhibitors and DPP-4 inhibitors, respectively. Cox proportional hazards models weighted using propensity score fine stratification were fit to estimate hazard ratios (HRs) with 95% CIs of NAFLD. We also determined whether the study drugs were associated with a decreased risk of hepatic transaminase elevation within restricted subcohorts. RESULTS: GLP-1 RA were associated with a lower incidence of NAFLD with a wide CI compared with DPP-4 inhibitors (3.9 vs. 4.6 per 1,000 person-years, respectively; HR 0.86, 95% CI 0.73-1.01). SGLT-2 inhibitors were associated with a decreased risk of NAFLD (5.4 vs. 7.0 per 1,000 person-years, respectively; HR 0.78, 95% CI 0.68-0.89). In the restricted subcohorts, both GLP-1 RA and SGLT-2 inhibitors were associated with a decreased risk of hepatic transaminase elevation (HR 0.89, 95% CI 0.83-0.95, and HR 0.66, 95% CI 0.61-0.71). CONCLUSIONS: SGLT-2 inhibitors, and possibly GLP-1 RA, may be associated with a decreased incidence of NAFLD and hepatic transaminase elevation 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 ».