Potential protective role of GLP-1 receptor agonists for lithium-induced nephrotoxicity: a population-based observational study
Notice bibliographique
Résumé
Abstract Objectives We hypothesized that semaglutide, a glucagon-like peptide-1 receptor agonist (GLP-1 RA) and treatment currently U.S. Food and Drug Administration (FDA) approved to reduce worsening of kidney disease and kidney failure may protect against lithium-induced nephrotoxicity. Methods Renal adverse events (AEs) reported to the FDA Adverse Event Reporting System (FAERS) between December 2003 and December 2024 were analyzed using the validated OpenVigil 2.1 platform. Reporting odds ratios (RORs) were computed for the MedDRA terms renal impairment, renal failure, chronic kidney disease (CKD), end-stage renal disease (ESRD), and acute kidney injury (AKI) in association with lithium, semaglutide, and their co-reporting. A disproportionality signal was considered statistically significant when p < 0.05, and the lower bound of the information component (IC 025 ) was greater than 0. Results Lithium was associated with significantly elevated reporting odds across all renal AEs, with each outcome exceeding statistical signal thresholds ( p < 0.0001, IC 025 > 0). In contrast, semaglutide demonstrated inverse associations for renal impairment, renal failure, CKD, and ESRD (RORs = 0.25–0.54), and a neutral association for AKI (ROR = 0.96); however, none met the criteria for a disproportionality signal (IC 025 < 0). Co-reported use of lithium and semaglutide did not yield a significant signal for any renal outcome, including AKI (ROR = 5.81, p = 0.015, IC 025 < 0). Conclusions This observation, provides impetus to conduct adequate, thorough, mechanistic, clinical, and observational studies to determine whether semaglutide (and/or other incretin receptor agonists) could possibly mitigate the risk for, and/or modify the trajectory of, lithium-induced nephrotoxicity.
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 | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».