Sodium-glucose cotransporter 2 Inhibitors and COVID-19 outcomes in type 2 diabetes patients: A population-based cohort study
Notice bibliographique
Résumé
Introduction Sodium-glucose cotransporter 2 (SGLT2) inhibitors (SGLT-2i) have been suggested to be beneficial in the management of Coronavirus disease 2019 (COVID-19); however, animal and clinical data have been inconsistent. The objective of this study was to assess the risk of SARS-CoV-2 infection and poor COVID-19-related outcomes associated with SGLT-2i use in patients with type 2 diabetes. Methods This is a comparative population-based retrospective cohort study on new users of SGLT-2i or dipeptidyl peptidase-4 (DPP-4) inhibitors (DPP-4i) from January 1, 2012 to March 31, 2021 in Alberta, Canada. We assessed: 1) presence of a positive COVID-19 test (or seropositivity for SARS-CoV-2); 2) an all-cause event around positive COVID-19 test (hospital admission, emergency department visit, death); and 3) a COVID-19-specific-event(hospital admission, emergency department visit, death) around positive COVID-19 test. We estimated the hazard ratio (HR) and 95% Confidence interval (CI) using a conditional Cox proportional hazard regression after 1:1 high-dimensional propensity score (hdPS) matching. Results There were 37,079 SGLT-2i and 39,053 DPP-4i users (30,433 matched pairs). After adjustment, compared to DPP-4i, SGLT-2i use was minimally associated with a positive COVID-19 test [HR: 1.23; 95% CI: 1.02–1.49]. Results were statistically significant across secondary cohort comparators for the risk of a COVID-19-positive test. SGLT-2i was also associated with a higher risk in a COVID-19-specific event [HR: 1.66; 95% CI: 1.12–2.45] compared to DPP-4i. Conclusion SGLT-2i may be associated with a modest increase in positive COVID-19 tests across all compactors and COVID-19-specific events compared to DPP-4i among adults with type 2 diabetes. However, the clinical impact of this finding is uncertain. There is a need for further prospective studies to assess the relationship between SGLT-2i use and COVID-19-related outcomes in patients with type 2 diabetes.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».