0774 Glucagon-Like Peptide 1 Receptor Agonists for Obstructive Sleep Apnea: A Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
Abstract Introduction Glucagon-like peptide-1 (GLP-1) receptor agonists have gained recent popularity in its usage for weight loss in people with diabetes and obesity. There is also emerging evidence of its usage for treating obstructive sleep apnea (OSA) which can be caused by or worsened by obesity. However, there is limited synthesized evidence for the usage of GLP-a receptor agonists for people with OSA. Methods We performed a PRISMA compliant systematic review and meta-analysis of the effects of GLP-1 receptor agonists in people with OSA. MEDLINE, EMBASE, Cochrane Library, and PsycINFO were searched up to June 30th, 2024. Randomized controlled trials (RCT) investigating the usage of any GLP-1 receptor agonists in people with OSA that reported OSA symptom outcomes as measured by the apnea-hypopnea index (AHI) were included. Standardized mean difference (SMD) measured effect size. Q and I2 tests measured heterogeneity. Cochrane Risk of Bias Tool 2 assessed risk of bias. Results Six studies were included which consisted of 1023 participants with moderate to severe OSA. 516 participants received GLP-1 receptor agonist treatment for their OSA with 507 in the control group (receiving either placebo or continuous positive airway pressure (CPAP)). GLP-1 receptor agonist therapy for OSA when compared to placebo groups had an medium effect size of SMD = - 0.601 (95% CI: - 0.969 to - 0.233, p = 0.001). When compared to CPAP treatment, there was no significant difference in AHI differences post-treatment (p = 0.297). Conclusion This systematic review and meta-analysis synthesizes the current evidence which supports the potential usage of GLP-1 receptor agonists for the treatment of OSA. This pharmaceutical treatment option would increase the treatment options available for people with OSA. However, the literature is limited by the few RCTs available, small sample sizes, and lack of long-term follow-up data. Further studies are needed in this area. Support (if any)
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 | 0,011 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,018 | 0,036 |
| Bibliométrie | 0,007 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,001 |
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 ».