MON-826 Impact Of Demographic And Social Determinants On Access To SGLT2 Inhibitors And GLP-1 Receptor Agonists: A Systematic Review And Meta-Analysis
Notice bibliographique
Résumé
Abstract Disclosure: N. Shah: None. J. Edjimbi: None. A. Grimshaw: None. C. Gunderson: None. S. Gupta: None. Sodium–glucose cotransporter2 inhibitors (SGLT2i) and glucagonlike peptide1 receptor agonists (GLP1RA) are established treatments for type 2 diabetes mellitus (DM), obesity, and cardiovascular disease; however, significant disparities in their prescription persist. To date, no systematic review or metaanalysis has evaluated the impact of demographics and social determinants of health (SDOH) on utilization patterns for these agents. We hypothesized that among adults with DM, those from racial minority groups, of female sex, in the lowest income strata, or with public insurance would have lower odds of receiving SGLT2i and GLP1RA compared with white, male, higherincome, and commercially insured counterparts. To test this, we conducted a comprehensive search of the Cochrane Library, Google Scholar, Ovid Embase, Ovid Medline, Scopus, and Web of Science Core Collection for observational studies reporting adjusted odds ratios (aORs) for prescribing across these demographic and SDOH characteristics. Our search yielded over 8,100 records, of which 21 studies (study years 2016-2025; regions: US, United Kingdom, Netherlands, South Korea, Canada, Australia) directly compared SGLT2i and GLP1RA prescribing across these demographic and social-determinant characteristics. We extracted studyspecific aORs and 95% confidence intervals (CIs) for each drug class and pooled them separately using DerSimonian–Laird randomeffects models. Heterogeneity was assessed with I² statistics. Among 7,340,058 patients in 21 studies, 47.2% were female, 55.2% white, mean/median age 60–74.9 years, 28.8% lowest-income, and 45.4% publicly insured. For SGLT2i, pooled analyses showed lower odds among black patients (aOR 0.71, 95% CI 0.51–0.99; I² = 99.8%); female patients (0.89, 0.82–0.95; I² = 99.2%); low-income patients (0.96, 0.92–1.00; I² = 96.7%); and patients with Medicare (0.68, 0.60–0.78; I² = 52.7%) or Medicare Advantage (0.41, 0.30–0.57; I² = 99.8%). For GLP-1RA, lower odds were seen in black patients (0.73, 0.57–0.94; I² = 99.3%), Hispanic patients (0.81, 0.69–0.96; I² = 98.6%), and Asian patients (0.49, 0.41–0.58; I² = 96.7%); low-income patients (0.86, 0.81–0.92; I² = 96.4%); and patients with Medicaid (0.70, 0.55–0.89; I² = 73.4%), Medicare (0.73, 0.55–0.96; I² = 92.0%), or Medicare Advantage (0.49, 0.36–0.68; I² = 99.6%), whereas female patients had higher odds (1.33, 1.23–1.43; I² = 96.1%). These results reveal prescribing disparities across race, sex, income, and insurance status, with minority groups, lowincome, and publicly insured patients with DM less likely to receive SGLT2i or GLP1RA. Further research should elucidate the mechanisms driving these differences and evaluate interventions to promote equitable use of these therapies. Presentation: Monday, July 14, 2025
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 | 0,008 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,012 | 0,027 |
| Bibliométrie | 0,007 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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 ».