MétaCan
Menu
Retour à la cohorte
Enregistrement W4402548639 · doi:10.2196/58137

Comparing Insulin Against Glucagon-Like Peptide-1 Receptor Agonists, Dipeptidyl Peptidase-4 Inhibitors, and Sodium-Glucose Cotransporter 2 Inhibitors on 5-Year Incident Heart Failure Risk for Patients With Type 2 Diabetes Mellitus: Real-World Evidence Study Using Insurance Claims

2024· article· en· W4402548639 sur OpenAlexvenueno aff
Xuan Wang, Anna Plantinga, Xin Xiong, Sara J. Cromer, Clara-Lea Bonzel, Vidul Ayakulangara Panickan, Rui Duan, Jue Hou, Tianxi Cai

Notice bibliographique

RevueJMIR Diabetes · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueDiabetes Treatment and Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPreprintMedicineInternal medicineType 2 Diabetes MellitusDiabetes mellitusEndocrinologyWorld Wide WebComputer science

Résumé

récupéré en direct d'OpenAlex

Background: Type 2 diabetes mellitus (T2DM) is a common health issue, with heart failure (HF) being a common and lethal long-term complication. Although insulin is widely used for the treatment of T2DM, evidence regarding the efficacy of insulin compared to noninsulin therapies on incident HF risk is missing among randomized controlled trials. Real-world evidence on insulin's effect on long-term HF risk may supplement existing guidelines on the management of T2DM. Objective: This study aimed to compare insulin therapy against other medications on HF risk among patients with T2DM using real-world data extracted from insurance claims. Methods: A retrospective, observational study was conducted based on insurance claims data from a single health care network. The study period was from January 1, 2016, to August 11, 2021. The cohort was defined as patients having a T2DM diagnosis code. The inclusion criteria were patients who had at least 1 record of a glycated hemoglobin laboratory test result; full insurance for at least 1 year (either commercial or Medicare Part D); and received glucose-lowering therapy belonging to 1 of the following groups: insulin, glucagon-like peptide 1 receptor agonists (GLP-1 RAs), dipeptidyl peptidase-4 inhibitors (DPP-4Is), or sodium-glucose cotransporter-2 inhibitors (SGLT2Is). The main outcome was the 5-year incident HF rate. Baseline covariates, including demographic characteristics, comorbidities, and laboratory test results, were adjusted to correct for confounding. Results: After adjusting for a broad list of confounders, patients receiving insulin were found to be associated with an 11.8% (95% CI 11.0%-12.7%), 12.0% (95% CI 11.5%-12.4%), and 15.1% (95% CI 14.3%-16.0%) higher 5-year HF rate compared to those using GLP-1 RAs, DPP-4Is, and SGLT2Is, respectively. Subgroup analysis showed that insulin's effect of a higher HF rate was significant in the subgroup with high HF risk but not significant in the subgroup with low HF risk. Conclusions: This study generated real-world evidence on the association of insulin therapy with a higher 5-year HF rate compared to GLP-1 RAs, DPP-4Is, and SGLT2Is based on insurance claims data. These findings also demonstrated the value of real-world data for comparative effectiveness studies to complement established guidelines. On the other hand, the study shares the common limitations of observational studies. Even though high-dimensional confounders are adjusted, remaining confounding may exist and induce bias in the analysis.

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)0,006
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,034

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,013
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,007
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,017
Tête enseignante GPT0,265
Écart entre enseignants0,249 · 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

Citations2
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR DiabetesMême sujetDiabetes Treatment and ManagementTravaux en français237 207