Association between GLP-1 receptor agonists as a class and colorectal cancer risk: a meta-analysis of retrospective cohort studies
Notice bibliographique
Résumé
BACKGROUND: Glucagon-like peptide-1 receptor agonists (GLP-1 RAs) are extensively used in the management of type 2 diabetes mellitus (T2DM) and obesity. While these medications offer glycemic control and cardiovascular benefits, the risks have increased because of their potential impact on cancer risk, particularly colorectal cancer (CRC). This meta-analysis aimed to evaluate the association between GLP-1 RAs and CRC risk in patients receiving GLP-1 RAs. METHODS: This study was conducted the PRISMA guidelines. Electronic databases (PubMed, Embase, Cochrane Library Web of Science, and ClinicalTrials.gov) were searched from inception to December 2024. The inclusion criteria encompassed Studies analyzing the effects of GLP-1 RA on CRC risk in patients with T2DM. The Newcastle-Ottawa Scale was used for the quality assessment of the included cohort studies. Random-effects models were employed for the pooled analysis, and heterogeneity was evaluated using the I2 statistic. RESULTS: Seven retrospective cohort studies involving 5,066,681 patients were included. The pooled analysis revealed a significantly increased risk of CRC among patients receiving GLP-1 RAs (RR, 2.31; 95% CI, 1.82-2.93; I2 = 36%; p < 0.0001). However, the incidence of CRC was not significantly associated with GLP-1 RA use compared with other drugs (OR, 1.73; 95% CI: 0.21-14.18, p = 0.61; I2 = 100%). Quality assessment indicated a low-to-moderate risk of bias across the included studies. CONCLUSION: Overall, this study suggests a significantly increased risk of colorectal cancer associated with GLP-1 RA use in patients receiving GLP-1 RAs. However, the incidence of CRC is not considerably high. These findings highlight the need for further long-term, large-scale clinical trials to elucidate the relationship between GLP-1 RAs and cancer risk. Clinicians should consider these results when prescribing GLP-1 RAs, particularly in patients with CRC risk factors.
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 | 0,025 | 0,038 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,011 | 0,060 |
| Bibliométrie | 0,006 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».