MétaCan
Menu
Retour à la cohorte
Enregistrement W4410435287 · doi:10.1016/j.ajo.2025.05.007

Association of Glucagon-Like Peptide-1 Receptor Agonists With Optic Nerve and Retinal Adverse Events: A Population-Based Observational Study Across 180 Countries

2025· article· en· W4410435287 sur OpenAlexafffund
Moiz Lakhani, Angela T.H. Kwan, Andrew Mihalache, Marko M. Popovic, Keean Nanji, Jim Shenchu Xie, Alessandro Feo, David Rabinovitch, Reut Shor, Srinivas R. Sadda, David Sarraf, Bernard Hurley, Edward Margolin, Peter J. Kertes, Varun Chaudhary, Rajeev H. Muni

Notice bibliographique

RevueAmerican Journal of Ophthalmology · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueDiabetes Treatment and Management
Établissements canadiensSunnybrook Health Science CentreSt. Michael's HospitalMcMaster UniversityKensington HealthUniversity of TorontoUniversity of Ottawa
Organismes subventionnairesPfizerAmgenBausch HealthAllerganApellis PharmaceuticalsResearch to Prevent Blindness
Mots-clésObservational studyMedicineRetinalAdverse effectAssociation (psychology)OphthalmologyOptic nerveGlucagon-like peptide 1 receptorReceptorEndocrinologyInternal medicineAgonistPsychology

Résumé

récupéré en direct d'OpenAlex

Purpose : Glucagon-like peptide-1 receptor agonists (GLP-1 RAs) are important therapeutic options for type 2 diabetes and obesity; however, concerns about ophthalmic safety persist. This study examined associations between GLP-1 RAs and ocular adverse events (AEs). Design : Global observational pharmacovigilance study. Methods : We searched the US FAERS database (via OpenVigil 2.1) and WHO's VigiBase (via VigiAccess) for optic nerve and retinal AEs associated with semaglutide and tirzepatide, covering the period from their respective approval dates—December 2017 for semaglutide and May 2022 for tirzepatide—through September 2024. In FAERS, all other drugs were compared, while in VigiBase, metformin, empagliflozin, dulaglutide, and insulin served as controls. Disproportionality metrics included reporting odds ratios (RORs) with 95% confidence intervals. Results : Semaglutide and tirzepatide accounted for 76,444 cases (0.59%) in FAERS ( n =12,936,341) and 118,639 cases (0.34%) in VigiBase ( n >35,000,000). Semaglutide showed significantly higher odds of ischemic optic neuropathy (ION) (FAERS: ROR=11.12, 95%CI=8.15-15.16; VigiBase: ROR=68.58, 95%CI=16.75-280.67), diabetic retinopathy (DR) (FAERS: ROR=17.28, 95%CI=13.62-21.91; VigiBase: ROR=7.81, 95%CI=5.60-10.90), as well as retinal/vitreous detachment, retinal/vitreous hemorrhage, and retinal tear (FAERS: ROR=2.44–5.89, 95%CI=1.70–8.97, all p<0.001, IC 025 =0.49, compared to all other drugs. VigiBase: ROR=5.49-20.91, 95%CI=2.71-90.11, all p≤0.0001, IC 025 ≥0.53, compared to metformin). Unique to VigiBase were macular edema (ROR=3.87, 95%CI=1.89-7.92), macular hole (ROR=20.90, 95%CI=2.65-165.01), and papilledema (ROR=6.97, 95%CI=2.53-19.17) (all p≤0.004, IC 025 ≥0.27, compared to metformin). Sensitivity analyses using empagliflozin and dulaglutide revealed significant associations with ION and DR, while vitreous detachment and hemorrhage were significant when compared to dulaglutide. Additionally, when insulin was used as a comparator, semaglutide showed a higher ROR for ION (ROR=9.84, 95%CI=4.25–22.81, P<0.0001, IC025=0.42). However, tirzepatide was only significantly associated with DR in FAERS. Conclusions Given the widespread use of semaglutide, its association with ocular AEs highlight the need for global pharmacovigilance and post-marketing surveillance.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,030

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,018
Tête enseignante GPT0,318
Écart entre enseignants0,300 · 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

Citations52
Publié2025
Routes d'admission2
Résumé présentnon

Explorer davantage

Même revueAmerican Journal of OphthalmologyMême sujetDiabetes Treatment and ManagementTravaux en français237 207