MétaCan
Menu
← Retour à la cohorte
Enregistrement W4313429958 · doi:10.1101/2022.12.27.22283968

Multinational Patterns of Second-line Anti-hyperglycemic Drug Initiation Across Cardiovascular Risk Groups: A Federated Pharmacoepidemiologic Evaluation in LEGEND-T2DM

2022· preprint· en· W4313429958 sur OpenAlexaff
Rohan Khera, Lovedeep Singh Dhingra, Arya Aminorroaya, Kelly Li, Jin Zhou, Faaizah Arshad, Clair Blacketer, Mary G. Bowring, Fan Bu, Michael W. Cook, David A Dorr, Talita Duarte‐Salles, Scott L. DuVall, Thomas Falconer, Tina E French, Elizabeth E Hanchrow, Scott Horban, Wallis C. Y. Lau, Jing Li, Yuntian Liu, Yuan Lu, Kenneth K. C. Man, Michael E. Matheny, Nestoras Mathioudakis, Michael F McLemore, Evan Minty, Daniel R. Morales, Paul Nagy, Akihiko Nishimura, Anna Ostropolets, Andrea Pistillo, Jose Posada, Nicole Pratt, Carlen Reyes, Joseph S. Ross, Sarah Seager, Nigam H. Shah, Katherine Simon, Eric Yuk Fai Wan, Jianxiao Yang, Can Yin, Seng Chan You, Martijn J. Schuemie, Patrick Ryan, George Hripcsak, Harlan M. Krumholz, Marc A. Suchard

Notice bibliographique

RevuemedRxiv · 2022
Typepreprint
Langueen
DomaineMedicine
ThématiqueDiabetes Treatment and Management
Établissements canadiensUniversity of Calgary
Organismes subventionnairesNational Institutes of HealthU.S. Department of Veterans Affairs
Mots-clésMetforminMedicineObservational studyType 2 Diabetes MellitusType 2 diabetesDrug classDiabetes mellitusInternal medicinePharmacologyDrugEndocrinology

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Objectives To assess the uptake of second-line antihyperglycemic agents among patients with type-2 diabetes mellitus (T2DM) receiving metformin. Design Serial cross-sectional study (2011-2021). Setting Ten US and seven non-US electronic health record and administrative claims databases in the Observational Health Data Sciences and Informatics network. Participants 4.8 million patients with T2DM receiving metformin. Main Outcomes Measures Calendar-year trends in the proportional initiation of second-line antihyperglycemic agents, glucagon-like peptide-1 receptor agonists (GLP-1 RAs), sodium-glucose cotransporter 2 inhibitors (SGLT2is), dipeptidyl peptidase-4 inhibitors, and sulfonylureas, for each database. We also evaluated the relative drug class-level uptake across cardiovascular risk groups. Results We identified 4.6 million patients with T2DM in US databases, 61,382 from Spain, 32,442 from Germany, 25,173 from the UK, 13,270 from France, 5,580 from Scotland, 4,614 from Hong Kong, and 2,322 from Australia. During 2011-2021, the combined proportional initiation of cardioprotective antihyperglycemic agents, GLP-1 RAs and SGLT2is, increased across all data sources, with the combined initiation of these drugs as second-line agents in 2021 ranging from 35.2% to 68.2% in the US databases, 15.4% in France, 34.7% in Spain, 50.1% in Germany, and 54.8% in Scotland. From 2016 to 2021, in some US and non-US databases, uptake of GLP-1 RAs and SGLT2is increased more significantly among populations without cardiovascular disease compared to those with established cardiovascular disease, without any data source providing evidence of a greater increase in their uptake in the populations with cardiovascular disease. Conclusions Despite the increase in overall uptake of cardioprotective antihyperglycemic agents as second-line treatment for T2DM, their uptake was lower in patients with cardiovascular disease over the last decade. A strategy to ensure medication use concordant with guideline recommendations is essential to improve outcomes of patients with T2DM.

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)0,007
score de la tête « metaresearch » (Gemma)0,013
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,036

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,013
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,006
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,056
Tête enseignante GPT0,348
Écart entre enseignants0,291 · 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'étudeObservationnel
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

Citations3
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuemedRxiv→Même sujetDiabetes Treatment and Management→Travaux en français237 207→