GLP-1 Receptor Agonists and Serious Adverse Events of Hyperkalemia/Hypokalemia: Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
Background: Hyperkalemia is a risk factor for cardiovascular disease and death and is a common side effect of kidney and cardiovascular protective medications. Small physiological studies and observational studies suggest that glucagon like peptide-1 receptor agonists (GLP1RAs) may have kaliuretic properties. The objective of this study to determine the effect of GLP1RAs on the risk of serious adverse events (SAEs) of hyperkalemia and hypokalemia. Methods: We completed a systematic review and meta-analysis via a PubMed Search Strategy. We selected for randomized controlled trials (RCT) enrolling at least 500 participants with 52 weeks of follow-up following adults with and without diabetes participating in RCTs of GLP1RAs versus placebo, irrespective of the primary outcome of the study. If available, we extracted the serious adverse event (SAE) data of hyperkalemia and/or hypokalemia available on clinicaltrials.gov. Results: We included 11 RCTs. The median incidence of SAEs of hyperkalemia in the placebo group was 0.13%. GLP1RAs reduced the incidence of SAEs of hyperkalemia by 31% (RR 0.69, 95% CI 0.49-0.99) with no evidence of heterogeneity (I2=0%). GLP1RAs did not increase in the incidence of SAEs of hypokalemia (HR: 1.08, 95% CI: 0.71-1.65) with no evidence of heterogeneity (I2=0%). Conclusion: GLP1RAs reduce the incidence of SAEs of hyperkalemia without increasing the risk of SAEs of hypokalemia. GLP1RAs may therefore prevent severe hyperkalemia when combined with other kidney and cardioprotective medications.GLP1RA is glucagon like peptide-1 receptor agonist. Displayed is a forest plot of individual relative risks and 95% confidence intervals. The size of the box represents the weight of the individual study. The diamond is the weighted summary estimate.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».