GLP-1 Receptor Agonists and Blood Pressure: A State-of-the-Art Review of Mechanisms, Evidence, and Clinical Implications
Notice bibliographique
Résumé
BACKGROUND: Glucagon-like peptide-1 receptor agonists (GLP-1 RAs) are widely used for the treatment of type 2 diabetes and, more recently, for weight management among individuals without diabetes. AIM: This review synthesizes the current evidence on the mechanisms by which GLP-1 RAs affect BP, their clinical effects across populations, and the implications for patient care. We discuss subpopulations who may benefit from their BP-lowering effects, identify limitations in the existing evidence, and explore future directions for research. RESULTS: Beyond their metabolic effects, growing evidence suggests that GLP-1 RAs produce modest reductions in BP, typically 2-5 mm Hg systolic, across diverse populations with diabetes, obesity, or at high cardiovascular risk. These reductions appear to be driven primarily by weight loss, with additional contributions from potential weight-independent mechanisms such as natriuresis, improved endothelial function, and attenuation of vascular inflammation. Although smaller in magnitude than those achieved with traditional antihypertensive drugs, the BP-lowering effects of GLP-1 RAs can translate into meaningful cardiovascular risk reduction at the population level and provide additive BP benefit when used alongside conventional therapies. Among individuals with hypertension, GLP-1 RAs are generally well tolerated, although small increases in heart rate and potential interactions with volume-regulating medications may warrant clinical attention. CONCLUSION: As newer GLP-based therapies continue to emerge, a clearer understanding of their effects on BP may inform more integrated approaches to cardiometabolic care.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 ».