MétaCan
Menu
Retour à la cohorte
Enregistrement W4414448542 · doi:10.7759/cureus.93065

Efficacy and Safety of Glucagon-Like Peptide-1 (GLP-1) Receptor Agonists for Spinal Fusion Outcomes: A Comprehensive Meta-Analysis

2025· review· en· W4414448542 sur OpenAlexaboutno aff
Mohamed Zahed, Mahmoud Elmesalmi, Khaled F Al-Kharouf, Sara E Elbahnasawy, Ziad El Menawy, Salam Elhanash, Nour Elnaggar, Mohamed Hesham Gamal, Mahmoud M. Elhady

Notice bibliographique

RevueCureus · 2025
Typereview
Langueen
DomaineMedicine
ThématiqueAnesthesia and Pain Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSpinal fusionCochrane LibraryReceptorMeta-analysisLumbarConfidence intervalAdverse effect

Résumé

récupéré en direct d'OpenAlex

Spinal fusion is a widely performed surgical procedure for treating various spinal disorders, with lumbar fusion showing remarkably rapid growth worldwide. Despite positive outcomes after the procedure, it carries significant complications, most notably pseudarthrosis. Compromised blood supply is a key factor disrupting normal bone fusion, making optimal vascularization crucial for successful outcomes. Glucagon-like peptide-1 (GLP-1) receptor agonists, primarily used for diabetes management, demonstrate promising effects including enhanced glycemic control, improved vascular endothelial function, and direct enhancement of osteoblastic cell activity through GLP-1 receptors on bone precursor cells. Theoretically, GLP-1 receptor agonists should be beneficial for optimizing spinal fusion outcomes. We aim to systematically review and analyze the current evidence on the efficacy and safety of GLP-1 receptor agonists in promoting bone fusion and reducing complications in patients undergoing spinal fusion surgery. We conducted a comprehensive systematic review following Cochrane guidelines. We searched PubMed, Web of Science, Scopus, Embase, and Cochrane Library for studies examining GLP-1 receptor agonists in spinal fusion procedures. We used the Newcastle-Ottawa Scale for the quality assessment of the included studies. We conducted a statistical analysis using RevMan 5.4 with risk ratios for dichotomous outcomes. In total, 11 studies with a total of 14,344 participants were analyzed. GLP-1 receptor agonists significantly reduced pseudoarthrosis at six months (risk ratio (RR) = 0.63, 95% confidence interval (CI) = 0.54-0.74) and 12 months (RR = 0.64, 95% CI = 0.57-0.72), and significantly increased acute kidney injury (RR = 1.30, 95% CI = 1.03-1.65). No significant differences were observed for pseudoarthrosis at 24 months (RR = 1.03, 95% CI = 0.53-2.03), readmission rates (RR = 0.85, 95% CI = 0.48-1.51), cerebrovascular accidents (RR = 1.01, 95% CI = 0.63-1.62), and deep vein thrombosis (RR = 1.16, 95% CI = 0.78-1.72). Additionally, no significant reoperations or adverse effects were found. We also performed a subgroup analysis considering the diabetic stage, which showed valuable insights. GLP-1 receptor agonists showed promising results in reducing pseudoarthrosis at short- to medium-term follow-up, indicating potential therapeutic benefits in bone healing applications. However, the increased risk of acute kidney injury suggests the need for careful patient monitoring and risk stratification. The lack of sustained benefit at 24 months and significant heterogeneity observed in several outcomes indicate that further investigation is warranted. Future research should focus on conducting larger, well-designed randomized controlled trials with standardized outcome definitions, longer follow-up periods, and comprehensive safety monitoring to establish optimal dosing protocols and patient selection criteria for GLP-1 receptor agonist therapy in orthopedic applications.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,609
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0070,004
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,129
Tête enseignante GPT0,398
Écart entre enseignants0,269 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeMéta-analyse
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCureusMême sujetAnesthesia and Pain ManagementTravaux en français237 207