GLP-1 analogues and prostate cancer incidence: A systematic review and meta-analysis.
Notice bibliographique
Résumé
374 Background: Preliminary evidence from preclinical and observational data suggests that GLP-1 receptor agonists (GLP-1RAs) may reduce prostate cancer (PCa) incidence. We aimed to assess the effects of GLP-1RAs on PCa risk. Methods: Embase, Medline, Web of Science, and Cochrane databases were searched from inception to identify phase III randomized controlled trials (RCTs) comparing a GLP-1 RA with placebo/non-GLP-1 RA regimens. The primary outcome was incidence of PCa. A Mantel-Haenszel random-effect meta-analysis was carried out to estimate the pooled relative risk (RR) and 95% confidence interval (CI) for the occurrence of PCa among male participants. Results: Of the 27,103 abstracts identified, 56 trials including 59,334 male participants were included. Eligibility included type 2 diabetes mellitus in 48 studies, obesity in 7 studies, and heart failure in 1 study. The GLP-1 RA’s studied included liraglutide (18), semaglutide (13), dulaglutide (6), albiglutide (6), lixisenatide (5), exenatide (4), and others (5). One study included both liraglutide and semaglutide as interventions. Follow-up durations ranged from 12 weeks to 260 weeks (5 years), with a mean of 72.5 weeks (standard deviation = 50.85). The pooled incidence of PCa was 0.55% (150 of 27,126) for the control group and 0.46% (148 of 32,208) for the GLP-1 intervention group. The pooled RR of PCa incidence with all GLP-1 RAs compared to controls was 0.86 (95% CI: 0.69-1.06, p=0.16). Conclusions: There were proportionally fewer incident PCa cases among GLP-1 RA recipients as compared with control. However, this did not achieve statistical significance. Trials were limited in duration and by the lack of pre-specification of this outcome. Further research is needed to evaluate whether GLP-1 RAs have activity against established PCa.
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 | 0,009 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,015 | 0,034 |
| Bibliométrie | 0,007 | 0,008 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».