Incretin-Based Drugs and the Risk of Acute Liver Injury Among Patients With Type 2 Diabetes
Notice bibliographique
Résumé
OBJECTIVE: To determine whether the use of dipeptidyl peptidase 4 (DPP-4) inhibitors and glucagon-like peptide 1 receptor agonists (GLP-1 RAs), separately, is associated with an increased risk of acute liver injury compared with the use of sodium-glucose cotransporter 2 (SGLT-2) inhibitors. RESEARCH DESIGN AND METHODS: We used the U.K. Clinical Practice Research Datalink linked with the Hospital Episode Statistics Admitted Patient Care and the Office for National Statistics databases to assemble two new-user, active-comparator cohorts. The first included 106,310 initiators of DPP-4 inhibitors and 27,277 initiators of SGLT-2 inhibitors, while the second included 9,470 initiators of GLP-1 RAs and 26,936 initiators of SGLT-2 inhibitors. Cox proportional hazards models with propensity score fine stratification weighting were used to estimate hazard ratios (HRs) and 95% CIs of acute liver injury. RESULTS: Compared with SGLT-2 inhibitors, DPP-4 inhibitors were associated with a 53% increased risk of acute liver injury (HR 1.53, 95% CI 1.02-2.30). In contrast, GLP-1 RAs were not associated with an overall increased risk of acute liver injury (HR 1.11, 95% CI 0.57-2.16). However, an increased risk was observed among female users of both DPP-4 inhibitors (HR 3.22, 95% CI 1.67-6.21) and GLP-1 RAs (HR 3.23, 95% CI 1.44-7.25). CONCLUSIONS: In this population-based study, DPP-4 inhibitors were associated with an increased risk of acute liver injury compared with SGLT-2 inhibitors in patients with type 2 diabetes. In contrast, an increased risk of acute liver injury was observed only among female GLP-1 RA users.
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 | 0,000 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».