Nasopharyngeal Carcinoma and Head and Neck Cancer in Patients with Type-2 Diabetes Mellitus receiving SGLT2I, DPP4I or GLP1a: A population-based cohort study
Notice bibliographique
Résumé
Abstract Introduction Nasopharyngeal carcinoma (NPC) remains endemic in Asian regions, which risk factors were distinct from other head and neck (H&N) cancers. Anti-diabetic drugs has been proposed to reduce the risk of NPC. The associations between sodium glucose cotransporter 2 inhibitors (SGLT2I) versus dipeptidyl peptidase-4 inhibitors (DPP4I) and the risks of NPC and H&N cancer amongst type-2 diabetes mellitus (T2DM) patients remains unknown. Method This was a retrospective population-based cohort study including T2DM patients treated with either SGLT2I or DPP4I between 1 st January 2015 and 31 st December 2019 in Hong Kong. The primary outcome was new-onset NPC and other H&N cancer. The secondary outcome was cancer-related mortality. Propensity score matching (1:1 ratio) was performed using the nearest neighbour search. Multivariable Cox regression was applied to identify significant predictors. Results This cohort included 75,884 patients with T2DM, amongst whom 28,778 patients were on SGLT2I and 47,106 patients were on DPP4I. After matching (57556 patients), 106 patients developed NPC (0.18%), and 50 patients developed H&N cancer (0.08%). Compared to DPP4I, SGLT2I was associated with significantly lower risks of NPC (Hazard ratio [HR]: 0.41; 95% Confidence interval [CI]: 0.21-0.81) but not H&N cancer (HR: 1.00; 95% CI: 0.26-3.92) after adjustments. The result remained significant regardless of demographics and obesity. The association remained consistent in different risk models, matching approaches, and the sensitivity analysis. Conclusion This study provides real-world evidence that SGLT2I was associated with lower risks of NPC, but not H&N cancer compared to DPP4I after adjustments amongst T2DM patients.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».