MétaCan
Menu
Retour à la cohorte
Enregistrement W4417517383 · doi:10.1186/s13195-025-01929-x

Comparative dementia risk with GLP1 receptor agonists, SGLT2 inhibitors, or DPP4 inhibitors: a population-based cohort study

2025· article· en· W4417517383 sur OpenAlexafffund
Che‐Yuan Wu, Wajd Alkabbani, Baiju R. Shah, Moira K. Kapral, Jodi D. Edwards, Colleen J. Maxwell, Walter Swardfager

Notice bibliographique

RevueAlzheimer s Research & Therapy · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueDiabetes Treatment and Management
Établissements canadiensOntario Brain InstituteUniversity of OttawaToronto General HospitalUniversity of TorontoUniversity Health NetworkCanada Research ChairsToronto Rehabilitation InstituteUniversity of WaterlooSunnybrook Health Science Centre
Organismes subventionnairesTemerty Faculty of Medicine, University of TorontoCanadian Institutes of Health ResearchNovo NordiskUniversity of TorontoCanada Excellence Research Chairs, Government of CanadaCanada Research ChairsMinistry of Colleges and UniversitiesAlzheimer's Drug Discovery Foundation
Mots-clésDementiaCohort studyDiabetes mellitusCohortConfidence intervalType 2 diabetesType 2 Diabetes MellitusLower risk

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: We aim to investigate comparative dementia risk associated with glucagon-like peptide-1 receptor agonists (GLP1-RAs), sodium-glucose cotransporter-2 inhibitors (SGLT2i), and dipeptidyl peptidase-4 inhibitors (DPP4i) in adults aged ≥ 60 years with type 2 diabetes. METHODS: This target trial emulation cohort study used primary care electronic health records from the UK Clinical Practice Research Datalink. Initiators of GLP1-RAs, SGLT2i, or DPP4i aged ≥ 60 years with type 2 diabetes and without cognitive impairment were compared pairwise in three separate analyses. After propensity scores overlap weighting, 13,965 pairs of GLP1-RA versus DPP4i initiators (cohort entry: 2006–2022; mean age: 66.9 years), 25,533 pairs of SGLT2i versus DPP4i initiators (cohort entry: 2013–2022; mean age: 69.0 years), and 14,214 pairs of GLP1-RA versus SGLT2i initiators (cohort entry: 2013–2022; mean age: 67.9 years) were analyzed. The primary outcome was incident all-cause dementia. The primary analysis was an intention-to-treat analysis. A secondary as-treated analysis for continuous use was performed. RESULTS: In the intention-to-treat analysis, dementia risk was not different between GLP1-RA and DPP4i initiators (hazard ratio [HR] 0.95, 95% confidence interval [CI] 0.87–1.04; rates: 6.29 versus 6.64 per 1000 person-years; mean follow-up: 6.54 years); however, continuous GLP1-RA versus DPP4i use was associated with a 21% lower risk (HR 0.79, 95% CI 0.64–0.97; rates: 3.64 versus 4.82; mean follow-up: 2.71 years). SGLT2i versus DPP4i initiation was associated with a 14% lower dementia risk in the intention-to-treat analysis (HR 0.86, 95% CI 0.79–0.94; rates: 4.83 versus 5.60; mean follow-up: 4.91 years), and the as-treated analysis showed greater risk reduction (HR 0.70, 95% CI 0.60–0.82; rates: 3.82 versus 5.46; mean follow-up: 2.43 years). Dementia risk was comparable between GLP1-RA versus SGLT2i in both intention-to-treat (HR 0.98, 95% CI 0.87–1.11; rates: 4.85 versus 4.95; mean follow-up: 5.09 years) and as-treated (HR 1.07, 95% CI 0.85–1.36; rates: 3.71 versus 3.56; mean follow-up: 2.40 years) analyses. CONCLUSIONS: In people with type 2 diabetes aged ≥ 60 years, SGLT2i are associated with reduced dementia risk, but dementia risk reduction associated with the GLP1-RAs studied is less certain.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,034

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,008
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,003
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,070
Tête enseignante GPT0,391
Écart entre enseignants0,321 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations1
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAlzheimer s Research & TherapyMême sujetDiabetes Treatment and ManagementTravaux en français237 207