Glucagon-Like Peptide 1 Receptor Agonist Use in Hospital: A Multicentre Observational Study
Notice bibliographique
Résumé
Abstract Introduction Glucagon-like peptide 1 receptor agonists (GLP-1RA) are effective medications for type 2 diabetes mellitus (T2DM) and obesity, yet their uptake among patients most likely to benefit has been slow. Methods We conducted a cross-sectional analysis of medication exposure in adults hospitalized at 16 hospitals in Ontario, Canada between 2015 and 2022. We estimated the proportion with T2DM, obesity, and cardiovascular disease. We identified the frequency of GLP-1RA use, and conducted multivariable logistic regression to identify factors associated with their use. Results Across 1,278,863 hospitalizations, 396,084 (31%) patients had T2DM and approximately 327,844 (26%) had obesity. GLP-1RA use (n=1,274) was low among those with T2DM (0.3%) and those with obesity (0.7%), despite high prevalence of cardiovascular disease (36%). In contrast, use of diabetes medications lacking cardiovascular benefits was high, with 60% (n=236,612) receiving insulin and 14% (n=54,885) receiving sulfonylureas. Apart from T2DM (OR=29.6, 95% CI 23.5, 37.2), characteristics associated with greater odds of receiving GLP-1RA were age 50-70 years (OR=1.71, 95% CI 1.38, 2.11) compared to age < 50 years, hemoglobin A1C > 9% (OR=1.83, 95% CI 1.36, 2.47) compared to < 6.5%, and highest income quintile (OR=1.73, 95% CI 1.45, 2.07) compared to lowest income quintile. Conclusion Knowledge translation interventions are needed to address the low adoption of GLP-1RA among hospitalized patients with T2DM and obesity, who are the most likely to benefit.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| 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 ».