Glucagon-Like Peptide 1 Receptor Agonists and the Risk of Emergency Department Visits and Hospitalization in Patients With Chronic Kidney Disease
Notice bibliographique
Résumé
OBJECTIVE: The aim of this study was to evaluate the effect of glucagon-like peptide 1 receptor agonist (GLP-1RA) versus dipeptidyl peptidase 4 inhibitor (DPP4i) initiation on emergency department (ED) visits and all-cause hospitalizations across the spectrum of kidney disease. RESEARCH DESIGN AND METHODS: This was a retrospective population-based observational cohort study in adults with an estimated glomerular filtration rate <90 mL/min/1.73 m2 using inverse probability of treatment weighting. The Prentice-Williams-Peterson (PWP) gap time model was used for the primary analysis. RESULTS: The cohort included 24,576 new users of a GLP-1RA and 23,600 DPP4i new users. GLP-1RA initiation was associated with a lower risk of all-cause ED encounters or hospitalizations (hazard ratio [HR] 0.90; 95% CI 0.87-0.94; P < 0.0001). This finding was consistent in confirmatory analyses using the Andersen-Gill model and the PWP calendar time model. CONCLUSIONS: GLP-1RA initiation was associated with a reduction in all-cause ED visits and hospitalizations compared with new use of a DPP4i.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».