Comparative Efficacy of Glucagon-Like Peptide 1 Receptor Agonists for Cardiovascular Outcomes in Asian Versus White Populations: Systematic Review and Meta-analysis of Randomized Trials of Populations With or Without Type 2 Diabetes and/or Overweight or Obesity
Notice bibliographique
Résumé
BACKGROUND: Cardiovascular outcome trials (CVOTs) suggest glucagon-like peptide 1 receptor agonists (GLP-1RAs) provide greater cardiovascular (CV) benefits in Asian compared with White individuals. PURPOSE: Compare CV efficacy of GLP-1RAs between Asian and White individuals. DATA SOURCES: Systematic review of PubMed and ClinicalTrials.gov (1 January 2015 to 1 November 2024). STUDY SELECTION: Randomized placebo-controlled CVOTs of GLP-1RAs. Risk of bias was assessed (RoB 2). DATA EXTRACTION: Ethnicity-specific hazard ratios (HRs) for major adverse cardiovascular events (MACE). DATA SYNTHESIS: Random-effects meta-analyses per Preferred Reporting Items for Systematic Reviews and Meta-Analyses (PRISMA) guidelines included eight trials (5,909 Asian individuals, 55,855 White individuals). GLP-1RA-associated MACE HR was 0.69 (95% CI 0.58, 0.83) in Asian people and 0.85 (95% CI 0.79, 0.91) in White people (Pinteraction = 0.045). Absolute MACE risk reduction was 2.9% (95% CI 1.5, 4.2) in Asian people versus 1.4% (0.9, 1.9) in White people. LIMITATIONS: Lack of individual patient-level data precluded detailed subclassification of the Asian group. CONCLUSIONS: GLP-1RAs may offer greater MACE reductions in Asian compared with White individuals.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,041 | 0,006 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».