Prevalence of <scp>SGLT2</scp> inhibitor and <scp>GLP1</scp> receptor agonist prescriptions in type 2 diabetes patients with and without chronic kidney disease: Analysis of an Australian primary care dataset
Notice bibliographique
Résumé
Abstract Aims Sodium‐glucose co‐transporter 2 inhibitors (SGLT2 inhibitors) and glucagon‐like peptide‐1 receptor agonists (GLP1‐RA) have cardio‐kidney‐metabolic benefit. This study aimed to understand the prevalence of prescription of SGLT2 inhibitors and GLP1‐RA among patients with T2DM with and without chronic kidney disease (CKD) in Australian primary care. Materials and Methods We conducted a retrospective, cohort study of adults with T2DM who attended primary care practices participating in MedicineInsight. The outcome of interest was the percentage of patients with CKD who received ≥1 prescription for an SGLT2 inhibitor or a GLP1‐RA (assessed separately) compared to those without CKD during 2020–2021. We also assessed prescriptions in a sub‐population of CKD patients who met trial inclusion criteria: SGLT2 inhibitor (estimated glomerular filtration rate [eGFR] ≥20 mL/min/1.73m 2 and urine albumin‐creatinine ratio [UACR] ≥22.6 mg/mmol) and GLP1‐RA (eGFR ≥50 to <75 mL/min/1.73m 2 and UACR >33.9 to <565 mg/mmol, or eGFR ≥25 to <50 mL/min/1.73m 2 and UACR >11.3 to <565 mg/mmol). Results Of 114 499 adults with T2DM, 36 840 (32.1%) also had CKD. SGLT2 inhibitors were prescribed in 13.6% of patients without CKD, 14.4% of patients with CKD and 17.8% of patients meeting the trial target population definition. Across these groups, GLP1‐RA were prescribed in 8.8%, 10.1% and 11.3% of patients, respectively. More advanced CKD stage and severely increased albuminuria were associated with a lower likelihood of SGLT2 inhibitor or GLP1‐RA being prescribed. Conclusion We observed low rates of SGLT2 inhibitor and GLP1‐RA prescriptions in patients with T2DM irrespective of CKD status. Strategies are needed to improve prescription rates, with a particular focus on patients with high kidney and cardiovascular risk.
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 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| 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 ».