Psychiatric adverse events linked to glucagon-like peptide 1 analogues: a disproportionality analysis in American, Canadian and Australian adverse event databases
Notice bibliographique
Résumé
BACKGROUND: Glucagon-like peptide 1 (GLP-1) analogues are a class of medications that stimulate glucose-dependent insulin release and slow gastric emptying. With the increasing use of GLP-1 analogues, concerns about potential psychiatric adverse events (AEs) remain under-explored. AIM: This pharmacovigilance study aimed to investigate the prevalence of psychiatric AEs associated with currently available GLP-1 analogues by analysing publicly available national datasets from the US (FAERS), Canada (CVAROD) and Australia (DAEN). METHOD: Psychiatric AE reports were extracted from all three databases for all approved GLP-1 analogues. A disproportionality analysis was conducted to calculate reporting odds ratios (RORs) and 95% confidence intervals (CIs) for psychiatric AEs of interest. RESULTS: Significant associations were identified when multiple databases reported elevated RORs. Semaglutide was associated with depressive symptoms (FAERS, ROR = 6.24 CI 4.49-8.69), panic attacks (FAERS, ROR = 1.46 CI 1.16-1.82) and suicidal ideation (FAERS, ROR = 2.58 CI 2.31-2.88). Liraglutide was linked to depression (CVAROD, ROR = 1.68 CI 1.12-2.51), while dulaglutide showed positive associations with eating disorders (FAERS, ROR = 1.47 CI 1.26-1.71) and insomnia (FAERS, ROR = 2.93 CI 2.35-3.66). CONCLUSION: GLP-1 analogues, particularly semaglutide and liraglutide, are associated with significant psychiatric AEs, especially depression and suicidal ideation. Further studies are required to understand the mechanisms underlying these associations, particularly in patients with pre-existing psychiatric conditions.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| 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 ».