Characteristics of new users of recent antidiabetic drugs in Canada and the United Kingdom
Notice bibliographique
Résumé
Abstract Background Characteristics of patients using newer 2nd and 3rd line antidiabetic drugs in a real-world setting are poorly understood. We described the characteristics of new users of sodium-glucose co-transporter-2 inhibitors (SGLT-2i), dipeptidyl peptidase-4 inhibitors (DPP-4i), and glucagon-like peptide-1 receptor agonists (GLP-1 RA) in Canada and the United Kingdom (UK) between 2016 and 2018. Methods We conducted a multi-database cohort study using administrative health databases from 7 Canadian provinces and the UK Clinical Practice Research Datalink. We assembled a base cohort of antidiabetic drug users between 2006 and 2018, from which we constructed 3 cohorts of new users of SGLT-2i, DPP-4i, and GLP-1 RA between 2016 and 2018. Results Our cohorts included 194,070 new users of DPP-4i, 166,722 new users of SGLT-2i, and 27,719 new users of GLP-1 RA. New users of GLP-1 RA were more likely to be younger (mean ± SD: 56.7 ± 12.2 years) than new users of DPP-4i (67.8 ± 12.3 years) or SGLT-2i (64.4 ± 11.1 years). In Canada, new users of DPP-4i were more likely to have a history of coronary artery disease (22%) than new users of SGLT-2i (20%) or GLP-1 RA (15%). Conclusion Although SGLT-2i, DPP-4i, and GLP-1 RAs are recommended as 2nd or 3rd line therapy for type 2 diabetes, important differences exist in the characteristics of users of these drugs. Contrary to existing guidelines, new users of DPP-4i had a higher prevalence of cardiovascular disease at baseline than new users of SGLT2i or GLP-1RA.
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) | 0,000 | 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) | 0,379 | 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 ».