MétaCan
Menu
Retour à la cohorte
Enregistrement W4395446333 · doi:10.1136/bmj-2023-078242

Effect of combination treatment with glucagon-like peptide-1 receptor agonists and sodium-glucose cotransporter-2 inhibitors on incidence of cardiovascular and serious renal events: population based cohort study

2024· article· en· W4395446333 sur OpenAlexafffund
Nikita Simms-Williams, Nir Treves, Hui Yin, Sally Lu, Oriana Hoi Yun Yu, Richeek Pradhan, Christel Renoux, Samy Suissa, Laurent Azoulay

Notice bibliographique

RevueBMJ · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueDiabetes Treatment and Management
Établissements canadiensMcGill UniversityJewish General Hospital
Organismes subventionnairesCanadian Institutes of Health ResearchMcGill University
Mots-clésMedicineType 2 diabetesAdverse effectDiabetes mellitusGlucagon-like peptide-1Internal medicineDrug classEndocrinologyPopulationGlucagon-like peptide 1 receptorIncidence (geometry)CohortHeart failurePharmacologyDrugReceptorAgonist

Résumé

récupéré en direct d'OpenAlex

Abstract Objective To determine whether the combined use of glucagon-like peptide-1 (GLP-1) receptor agonists and sodium-glucose cotransporter-2 (SGLT-2) inhibitors is associated with a decreased risk of major adverse cardiovascular events and serious renal events compared with either drug class alone among patients with type 2 diabetes, and to assess the effect of the combination on the individual components of major adverse cardiovascular events, heart failure, and all cause mortality. Design Population based cohort study using a prevalent new-user design, emulating a trial. Setting UK Clinical Practice Research Datalink linked to Hospital Episode Statistics Admitted Patient Care and Office for National Statistics databases. Participants Two prevalent new-user cohorts were assembled between January 2013 and December 2020, with follow-up until the end of March 2021. The first cohort included 6696 patients who started GLP-1 receptor agonists and added on SGLT-2 inhibitors, and the second included 8942 patients who started SGLT-2 inhibitors and added on GLP-1 receptor agonists. Combination users were matched, in a 1:1 ratio, to patients prescribed the same background drug, duration of background drug, and time conditional propensity score. Main outcome measures Cox proportional hazards models were fitted to estimate the hazard ratios and 95% confidence intervals of major adverse cardiovascular events and serious renal events, separately, comparing the GLP-1 receptor agonist-SGLT-2 inhibitor combination with the background drug, either GLP-1 receptor agonists or SGLT-2 inhibitors, depending on the cohort. Secondary outcomes included associations with the individual components of major adverse cardiovascular events (myocardial infarction, ischaemic stroke, cardiovascular mortality), heart failure, and all cause mortality. Results Compared with GLP-1 receptor agonists, the SGLT-2 inhibitor-GLP-1 receptor agonist combination was associated with a 30% lower risk of major adverse cardiovascular events (7.0 v 10.3 events per 1000 person years; hazard ratio 0.70, 95% confidence interval 0.49 to 0.99) and a 57% lower risk of serious renal events (2.0 v 4.6 events per 1000 person years; hazard ratio 0.43, 0.23 to 0.80). Compared with SGLT-2 inhibitors, the GLP-1 receptor agonist-SGLT-2 inhibitor combination was associated with a 29% lower risk of major adverse cardiovascular events (7.6 v 10.7 events per 1000 person years; hazard ratio 0.71, 0.52 to 0.98), whereas serious renal events generated a wide confidence interval (1.4 v 2.0 events per 1000 person years; hazard ratio 0.67, 0.32 to 1.41). Secondary outcomes generated similar results but with wider confidence intervals. Conclusions In this cohort study, the GLP-1 receptor agonist-SGLT-2 inhibitor combination was associated with a lower risk of major adverse cardiovascular events and serious renal events compared with either drug class alone.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,046
Score d'incertitude au seuil0,548

Scores Codex et Gemma par catégorie

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

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 Opus0,006
Tête enseignante GPT0,256
Écart entre enseignants0,250 · 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 tête enseignante, 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

Citations113
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBMJMême sujetDiabetes Treatment and ManagementTravaux en français237 207