Glucagon like peptide‐1 receptor agonists and the risk of skin cancer among patients with type 2 diabetes: Population‐based cohort study
Notice bibliographique
Résumé
AIMS: The objective of this study was to determine whether the use of glucagon-like peptide-1 receptor agonists (GLP-1 RAs) is associated with an increased risk of melanoma and nonmelanoma skin cancer, separately, compared with the use of sulfonylureas among patients with type 2 diabetes. METHODS: Using the United Kingdom Clinical Practice Research Datalink (2007-2019), we assembled two new-user active comparator cohorts. In the first cohort assessing melanoma as the outcome, 11,786 new users of GLP-1 RAs were compared with 208,519 new users of sulfonylureas. In the second cohort assessing nonmelanoma skin cancer as the outcome, 11,774 new users of GLP-1 RAs were compared with 207,788 new users of sulfonylureas. Cox proportional hazards models weighted using propensity score fine stratification were fit to estimate hazard ratios (HRs) and 95% confidence intervals (CIs) of melanoma and nonmelanoma skin cancer, respectively. RESULTS: Compared with sulfonylureas, GLP-1 RAs were not associated with an increased risk of either melanoma (42.6 vs. 43.9 per 100,000 person-years, respectively; HR 0.96, 95% CI 0.53-1.75) or nonmelanoma skin cancer (243.9 vs. 229.9 per 100,000 person-years, respectively; HR 1.03, 95% CI 0.80-1.33). There was no evidence of an association between cumulative duration of use with either melanoma or nonmelanoma skin cancer. Consistent results were observed in secondary and sensitivity analyses. CONCLUSIONS: In this population-based cohort study, GLP-1 RAs were not associated with an increased risk of melanoma or nonmelanoma skin cancer, compared with sulfonylureas.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».