Glucagon-Like Peptide 1 Receptor Agonists and Risk of Anaphylactic Reaction Among Patients With Type 2 Diabetes: A Multisite Population-Based Cohort Study
Notice bibliographique
Résumé
Case reports and a pharmacovigilance analysis have linked glucagon-like peptide 1 receptor agonists (GLP-1 RAs) with anaphylactic reactions, but real-world evidence for this possible association is lacking. Using databases from the United Kingdom (Clinical Practice Research Datalink) and the United States (Medicare, Optum (Optum, Inc., Eden Prairie, Minnesota), and IBM MarketScan (IBM, Armonk, New York)), we employed a new-user, active comparator study design wherein initiators of GLP-1 RAs were compared with 2 different active comparator groups (initiators of dipeptidyl peptidase 4 (DPP-4) inhibitors and initiators of sodium-glucose cotransporter 2 (SGLT-2) inhibitors) between 2007 and 2019. Propensity score fine stratification weighted Cox proportional hazards models were fitted to estimate hazard ratios (HRs) and 95% confidence intervals (CIs) for an anaphylactic reaction. Database-specific HRs were pooled using random-effects models. Compared with the use of DPP-4 inhibitors (n = 1,641,520), use of GLP-1 RAs (n = 324,098) generated a modest increase in the HR for anaphylactic reaction, with a wide 95% CI (36.9 per 100,000 person-years vs. 32.1 per 100,000 person-years, respectively; HR = 1.15, 95% CI: 0.94, 1.42). Compared with SGLT-2 inhibitors (n = 366,067), GLP-1 RAs (n = 259,929) were associated with a 38% increased risk of anaphylactic reaction (40.7 per 100,000 person-years vs. 29.4 per 100,000 person-years, respectively; HR = 1.38, 95% CI: 1.02, 1.87). In this large, multisite population-based cohort study, GLP-1 RAs were associated with a modestly increased risk of anaphylactic reaction when compared with DPP-4 inhibitors and SGLT-2 inhibitors.
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 | 0,001 |
| 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 ».