文献速递消化、代谢与肾脏急症心脑血管急症

降糖药物类别与2型糖尿病患者心血管结局

Glucose-Lowering Medication Classes and Cardiovascular Outcomes in Patients With Type 2 Diabetes.
PubMed 文献 · JAMA Netw Open · 2025-10-01
一句话结论在2型糖尿病患者中,持续使用GLP-1RA的2.5年MACE风险最低,依次优于SGLT2i、磺脲类和DPP4i,但该获益幅度取决于基线ASCVD、心衰、年龄和肾功能。

该研究为美国6个医疗系统2014年1月1日至2021年12月31日新启用磺脲类、DPP4i、SGLT2i或GLP-1RA的2型糖尿病成人比较效益研究,纳入296 676例成人,4臂试验模拟队列含241 981例。采用靶向学习在试验模拟框架内分析,主要终点为MACE(非致死性心肌梗死、非致死性卒中或心血管死亡)。持续暴露者2.5年MACE风险GLP-1RA最低,依次为SGLT2i、磺脲类、DPP4i;DPP4i与磺脲类的2.5年累积风险差为1.9%(95%CI 1.1%-2.7%),SGLT2i与GLP-1RA为1.5%(95%CI 1.1%-1.9%)。GLP-1RA优于SGLT2i的获益在基线ASCVD、心衰、年龄≥65岁或轻中度肾功能损害者中最明显,50岁以下者未发现。

要点

  • 2型糖尿病持续用药者2.5年MACE风险由低到高为GLP-1RA、SGLT2i、磺脲类、DPP4i,4臂队列241 981例。
  • DPP4i与磺脲类的2.5年累积风险差为1.9%(95%CI 1.1%-2.7%),SGLT2i与GLP-1RA为1.5%(95%CI 1.1%-1.9%)。
  • GLP-1RA优于SGLT2i的MACE获益在基线ASCVD、心衰(伴或不伴ASCVD)、年龄≥65岁或轻中度肾功能损害者中最明显。
  • 50岁以下持续用药者中GLP-1RA与SGLT2i的MACE风险无统计学显著差异。
  • 无ASCVD者各两两比较的风险差通常远小于有ASCVD者、NNT更高;基线二甲双胍单药且无ASCVD者除SGLT2i及磺脲类与GLP-1RA比较外多无统计学显著差异。

适用人群与场景

  • 美国6个医疗系统(Geisinger、Henry Ford Health System、HealthPartners、Kaiser Permanente北加州/南加州/夏威夷)2014年1月1日至2021年12月31日新启用磺脲类、DPP4i、SGLT2i或GLP-1RA的2型糖尿病成人。
  • 4臂试验模拟队列为241 981例成人(平均[SD]年龄57.2[12.9]岁,54.3%男性)。
  • 研究纳入总体分析296 676例成人。

诊断标准与关键阈值

  • MACE定义为索引日期后最早发生的非致死性心肌梗死、非致死性脑血管意外或心血管死亡。
  • 暴露定义:配药覆盖期为配药日起至 supply 天数两倍;允许≤90天的用药覆盖间隙。

研究设计与关键结果

  • 比较效益研究,纳入296 676例成人,4臂试验模拟队列241 981例,来自美国6个医疗系统,采用靶向学习在试验模拟框架内分析。
  • 持续暴露者2.5年MACE风险由低到高为GLP-1RA、SGLT2i、磺脲类、DPP4i。
  • GLP-1RA vs SGLT2i的2.5年平均风险差为−0.006(95%CI −0.008至−0.004,P<.001);vs 磺脲类为−0.013(95%CI −0.015至−0.012,P<.001);vs DPP4i为−0.015(95%CI −0.018至−0.011,P<.001)。
  • SGLT2i vs 磺脲类为−0.007(95%CI −0.009至−0.005,P<.001);SGLT2i vs DPP4i为−0.009(95%CI −0.013至−0.005,P<.001);磺脲类 vs DPP4i为−0.001(95%CI −0.005至0.002,P=.47)。
  • DPP4i与磺脲类的2.5年累积风险差为1.9%(95%CI 1.1%-2.7%),SGLT2i与GLP-1RA为1.5%(95%CI 1.1%-1.9%)。
  • GLP-1RA优于SGLT2i的获益在基线ASCVD、心衰(伴或不伴ASCVD)、年龄≥65岁或轻中度肾功能损害者中最明显;50岁以下者无统计学显著差异。
  • 依那西肽vs利拉鲁肽、司美格鲁肽vs利拉鲁肽的2.5年风险差无显著差异;GLP-1RA使用者中约20.0%用依那西肽、约50.0%用利拉鲁肽、约20.0%用司美格鲁肽。

证据类型、等级与局限

  • 证据类型:回顾性队列研究,在试验模拟框架内采用靶向学习。
  • 局限:研究在美国6个中心开展,需在其他人群(尤其无保险患者)中重复验证。
  • 局限:未将二甲双胍、噻唑烷二酮类或胰岛素作为直接比较对象;超过2.5年的随访可能进一步阐明比较效益问题。
  • 局限:药物暴露基于药房配药数据估计,是生物暴露的不完美估计;尽管采用原则性分析方法,仍可能存在测量误差、未测量混杂或选择偏倚。
  • 局限:作者指出由于样本量有限,不能排除有临床意义的差异。

对床旁实践的改变

  • 作者认为这些结果结合费用、可及性和附带临床获益的考虑,可能为2型糖尿病成人的治疗决策提供信息。
  • 作者指出在有充足资源的医疗系统中,肠促胰素类似物和SGLT2i常为优选药物;但对无法负担较新药物者及中低收入国家的众多2型糖尿病患者,涉及磺脲类和DPP4i(联合或不联合二甲双胍)的比较仍高度相关。

提炼说明

  • 原文未涉及「处置流程与药物剂量」「红旗征与不能漏的情况」「指南或共识出处」,故未列出这些栏目。
全文中译13 节 · 点击展开
本译文由 AI 依据开放获取原文逐段翻译,供学习参考,可能存在误差,请以原文为准。原文 © 原作者(PMC Open Access),按 CC BY 许可使用,本译文为翻译改编。出处:JAMA Netw Open. 2025 Oct 15;8(10):e2536100. doi: 10.1001/jamanetworkopen.2025.36100

引言

主要心血管不良事件(MACE),包括非致死性心肌梗死(MI)、非致死性缺血性和出血性卒中(脑血管意外[CVA])以及心血管死亡,是2型糖尿病(T2D)成人患者超额死亡率的主要原因。1,2 因此,T2D患者临床治疗的主要目标是预防心血管疾病(CVD)并尽量减少MACE。1,2,3,4 心血管结局试验的结果表明,与安慰剂相比,大多数二肽基肽酶-4抑制剂(DPP4i)对心血管结局呈中性影响,5,6 而几种胰高血糖素样肽-1受体激动剂(GLP-1RA)7,8 和钠-葡萄糖协同转运蛋白2抑制剂(SGLT2i)9,10 可显著降低心血管风险较高的T2D成人患者的MACE。然而,很少有随机试验纳入心血管风险低至中度的患者,也很少有试验直接比较不同降糖药物类别对MACE的影响——这是患者和临床医生做出治疗决策所需的信息。11,12 既往大型比较性观察研究曾尝试直接比较不同药物或药物类别的心血管效应。13,14,15,16,17,18 然而,既往研究中使用的方法学常威胁其发现的有效性或限制其临床相关性,原因包括:侧重于意向性治疗(ITT)分析 despite 较高的治疗中断率或交叉事件率、未考虑时变混杂和 attrition bias、做出不太可能的统计建模假设、未调整重要混杂因素,以及未充分评估治疗效应的异质性(HTE)。

在此背景下,我们设计了一项多中心比较有效性研究,基于有原则的因果推断框架19,20 和靶向学习21,22,旨在(1)检测MACE风险的差异,以及(2)在临床诊疗环境中接受治疗的多样化T2D成人患者人群中评估HTE,这些患者为4类降糖药物(磺脲类、DPP4i、SGLT2i或GLP-1RA)的新使用者。

方法

本比较有效性研究经Kaiser Permanente北加州机构审查委员会批准,该委员会因对人类参与者风险极小而不要求知情同意。本研究遵循加强观察性流行病学研究报告(STROBE)报告指南。

研究设计

本回顾性队列研究模拟了若干项非盲、头对头、2臂和4臂目标随机临床试验(RCT)(补充材料1中的eTable 1),研究对象为4类药物(磺脲类、DPP4i、SGLT2i或GLP-1RA)的起始使用者,采用靶向学习21,22 以校正400余个非时变和时变协变量。主要分析对比了所研究4种药物中1种的初始治疗和持续治疗的效应(符合方案[PP]分析)。次要分析仅对比初始治疗的效应(ITT分析)。进行了敏感性分析以加强发现的可靠性和相关性,并评估对未测量混杂的稳健性。我们采用了2024年提出的关于使用因果语言描述分析方法和发现解释的框架。23

每个目标试验均通过构建一个独立队列进行模拟,采用本文所述的相同一般纳入标准。从队列进入到以下最早发生事件之一为止,收集每位参与者的暴露、结局、右删失和协变量的纵向数据:(1)研究行政结束(2021年12月31日),(2)退出药房保险或健康计划,(3)非心血管死亡,(4)不明原因死亡,或(5)3点主要不良心血管事件(MACE,主要结局)。为解决混杂和 attrition 偏倚(即由信息性右删失导致的选择偏倚),我们使用靶向学习来估计与每种治疗相关的累积发病率曲线,并估计随访2.5年时的累积风险差(RD)。

主要PP分析要求(1)起始并持续暴露于所比较药物之一,以及(2)未起始任何对照药物。次要ITT分析侧重于评估仅要求起始所比较药物、而不考虑持续用药和对照药物起始的治疗方案。PP和ITT分析均在单独的患者亚组中重复进行,以评估以下方面的比较有效性:(1)MACE的一级预防,(2)MACE的二级预防,以及(3)既往接受二甲双胍单药治疗患者中MACE的一级预防。比较SGLT2i与GLP-1RA的PP和ITT分析还在由基线心力衰竭(HF)状态、HF与动脉粥样硬化性心血管疾病(ASCVD)状态组合、慢性肾脏病状态、年龄、性别以及种族和民族定义的额外亚组中进行。种族和民族亚组内的效应评估由研究利益相关方合作伙伴推动。患者自我报告的种族和民族为美洲印第安人或阿拉斯加原住民、亚洲人、黑人、西班牙裔、夏威夷原住民或其他太平洋岛民、白人、其他种族或民族、多种种族或民族,或未知。

PP和ITT敏感性分析评估了修改后的3点MACE结局,该结局包括扩展的心血管死亡定义。由于使用观察性数据成功模拟RCT依赖于无未测量混杂来源或无 attrition 偏倚的强假设,因此进行了敏感性分析,以评估研究结果对维持该假设所需的合理水平缺失信息(即未测量的混杂来源或 attrition 偏倚)的稳健性。还实施了其他敏感性分析,以控制代谢减重手术或模拟RCT中未比较的其他药物的差异性暴露。最后,所有主要、次要、亚组和敏感性分析均使用逆概率加权(IPW)方法而非靶向学习重复进行,以估计相同的累积发病率曲线和RD,并估计风险比(HR)。

研究设置与参与者

本研究纳入了6个具有整合的管理和电子健康记录(EHR)数据的医疗服务提供系统中所有符合研究条件的患者,这些患者在2014年1月1日至2021年12月31日期间启动了4类药物(磺脲类、DPP4is、SGLT2is或GLP-1RAs)中1种的治疗。这6个系统分别为宾夕法尼亚州的Geisinger、密歇根州的Henry Ford Health System、明尼苏达州和威斯康星州的HealthPartners,以及北加州、南加州和夏威夷的Kaiser Permanente。对于每个模拟的随机对照试验(RCT),构建了一个单独的队列,包含同时满足所有队列纳入标准的所有参与者(图1、表1以及补充材料1中的e图1、4、10、16、22、28和34)。同时满足所有标准的队列进入日期称为索引日期,索引日期也是随访的起始时间。

图1. 研究流程图。导致创建用于模拟4臂随机临床试验的队列的纳入和排除计数,以及每个治疗臂中每个观察到的随访终点的样本量和计数。新填充(New fills)表示启动了所比较的4类药物中1种且在既往2年内没有证据显示配发过这4类药物中任何一种的患者计数。ALT指示丙氨酸转氨酶;DPP4i,二肽基肽酶-4抑制剂;eGFR,估算肾小球滤过率;GLP-1RA,胰高血糖素样肽-1受体激动剂;HbA1c,糖化血红蛋白;MACE,主要不良心血管事件;SGLT2i,钠-葡萄糖协同转运蛋白-2抑制剂。 查看原图 ↗
表1. 导致创建用于模拟8项RCT(2臂)的队列的纳入和排除计数,以及每个治疗臂中每个观察到的随访终点的样本量和计数a 查看原表 ↗

数据来源

患者层面的EHR数据,包括人口统计学、生命体征、临床特征、诊断、操作、配发药物、烟草使用和选定的实验室检查结果,被用于定义队列纳入资格、暴露、结局和协变量。获取管理数据以确保准确评估队列纳入资格、删失事件以及对关键临床结局(包括心肌梗死(MI)和卒中)的完整捕获。死亡和死因数据按层级从国家死亡指数、州死亡指数和健康计划管理数据中确定。

暴露

药房配发数据被用于确定从索引日期至随访结束期间对每种药物的暴露。在任何给定日期,如果该日落在患者最近一次既往药物配发的覆盖期内,则认为该患者暴露于特定药物。我们将每次药物配发的覆盖期定义为从配发日期开始并持续至供应天数两倍的时间间隔。对于不符合上述暴露标准的日期,则认为患者未暴露于该药物,除非该日落在允许的药物覆盖间隙(≤90天)内,该间隙定义为从该药物最近一次既往配发的覆盖期结束到同一药物下一次配发之间的时间间隔。

结局

主要不良心血管事件(MACE)定义为索引日期后以下3种事件中任意1种的最早发生:非致死性心肌梗死(MI)、非致死性脑血管意外(CVA)或心血管死亡。MI和CVA的判定基于首次主要住院诊断代码或首次主要急诊科诊断代码的最早日期。心血管死亡的判定基于国家死亡指数、州死亡指数或其他可靠来源中列出的死因代码被归因于1个或多个与MI或CVA特异性相关的死因代码的日期。在敏感性分析中,我们考虑了心血管死亡的扩展定义。24

协变量

我们在分析中纳入了400多个不随时间变化和随时间变化的协变量,包括在特定模拟随机对照试验(RCT)中未进行比较的降糖药物暴露,如二甲双胍和胰岛素。24协变量的选择由领域专业知识驱动。除定义感兴趣患者亚组的协变量外,可能合理影响治疗决策、删失事件发生或结局的协变量也被纳入调整集。特别地,索引日期的日历年、主要心血管危险因素(年龄、性别、血压、血脂水平和肾功能)、糖化血红蛋白、吸烟状态以及他汀类药物、血管紧张素受体阻滞剂和血管紧张素转换酶抑制剂的暴露均被纳入调整集。

统计分析

新使用者和持续使用者的主要(PP)分析、所有新使用者的次要(ITT)分析以及敏感性分析的详细内容见补充材料1中的eAppendix 1。对于每个模拟目标试验,我们在组装纵向数据集25之前,识别了各自独立的合格患者队列及其索引日期,该数据集使用LtAtStructR R包26对每个队列成员每30天更新一次测量值。在该数据集中,未在基线或随访期间测量的协变量使用缺失指示符方法进行编码。27,28该方法包括:在每个时间点(即30天间隔)创建协变量测量指示符;对于分类协变量和连续协变量,分别用观测值的众数和均值替换未观测到的基线值;对于未观测到的随时间变化的值,用最后观测值替换(如有),否则使用插补的基线值。所得的候选协变量及其相关测量指示符被一起考虑用于偏倚调整。该方法所依据的假设见补充材料1中的eAppendix 1。

随后使用同一数据集,在非参数边际结构模型25下,使用靶向学习22实施PP和ITT分析29,以估计模拟目标试验每个治疗组的累积发病率曲线。这些曲线的两臂对比定义了主要研究效应指标:随访2.5年时的风险差(RD)(相应的需治疗人数[NNT]定义为RD的倒数)以及随访2.5年内的平均风险差(ARD)(即任意2条累积发病率曲线下面积之差)。30靶向学习是一种通用估计方法,它将称为靶向最小损失估计21,31(TMLE)的双稳健估计方法与机器学习相结合,以估计倾向性评分和一系列结局回归。

对于符合方案(PP)和意向性治疗(ITT)分析,结局回归均使用LASSO估计,32 倾向评分则使用一种称为超级学习33(SL)的集成学习估计方法及其在SL3 R包中的实现来估计。34 对于ITT和PP分析,我们分别估计了每个时间点上治疗启动及各类右删失事件的倾向评分。对于PP分析,我们还分别估计了每个时间点上治疗持续(即无治疗中断或交叉)的倾向评分。在PP分析中,随访在每个治疗组的右删失事件或治疗方案偏离发生时结束(例如,交叉或停用索引日期启动的治疗);在ITT分析中,随访仅在右删失事件发生时结束(例如,患者在治疗交叉或停用索引日期开始的初始治疗后,仍继续为其治疗组贡献结局)。为提高研究结果的稳健性,通过仅使用所考虑亚组患者的数据复制PP和ITT分析方法(包括重新拟合所有倾向评分),实施了按基线患者特征进行的亚组和效应修饰分析。

敏感性分析包括使用IPW估计35相同的2.5年累积发生率曲线、RD和ARD,与靶向学习所评估者相同。未调整估计使用该IPW估计方法但未加权(即对所有观察人时使用设为1的等权重)得出。所有TMLE和IPW估计均使用未截断和截断36权重实施(例如,IPW为权重分布的第99百分位数,绝对截断值默认IPW为20、TMLE为200)。最后,我们实施了对未测量混杂的敏感性分析,包括计算g值。22,37 所有估计程序均使用stremr R包实施,38 该包使用估计量的影响曲线提供保守的SE估计。

数据分析于2024年5月1日至12月31日进行,使用R 4.3.0版(R Project for Statistical Computing)。双侧P <.05被认为具有统计学意义。

结果

本研究纳入296 676名成人。用于模拟4臂试验的队列包括241 981名患有T2D的成人子集(平均[SD]年龄,57.2[12.9]岁);45.7%为女性,54.3%为男性。患者被认定为美洲印第安人或阿拉斯加原住民(0.7%)、亚洲人(15.7%)、黑人(10.1%)、西班牙裔(35.3%)、夏威夷原住民或其他太平洋岛民(1.6%)、白人(49.8%)、其他种族或族裔(0.1%)或多个种族或族裔(2.9%);19.1%的患者种族和族裔未知。在特定模拟试验中比较的启动药物治疗患者的基线临床和人口学特征的详细数据见Table 2以及Supplement 1中的eTables 2、9、14、19、24、29和34。新用户和持续用户的主要(PP)分析、所有新用户的次要(ITT)分析以及敏感性分析的结果详见Supplement 1中的eAppendix 3,其中包括eFigures 1至74和eTables 1至66。

如图1所示,在队列入组时的241 981次符合条件的索引取药(n=229 806例患者)中,大多数由磺脲类药物起始触发(n=212 042次取药[87.6%]),相比之下DPP4i为(n=5862次取药[2.4%])、SGLT2i为(n=14 858次取药[6.1%])、GLP-1RA为(n=9219次取药[3.8%])。全部4个暴露组中至少三分之二的患者在基线时使用二甲双胍,而基线胰岛素使用在GLP-1RA起始者中最高(60.9%),相比之下磺脲类起始者为(7.2%)、DPP4i起始者为(25.9%)、SGLT2i起始者为(43.8%)。在四臂队列中,磺脲类、DPP4i、GLP-1RA和SGLT2i起始者中分别有48.4%、44.1%、41.4%和21.9%停用了其在队列入组时起始的治疗,而分别有7.1%、28.3%、11.4%和12.1%起始了一种对照药物(四臂队列见补充材料1中的e表3-8,两臂队列见补充材料1中的e表10、15、20、25、30和35)。在四臂队列中,PP分析中方案偏离的中位时间为:GLP-1RA起始者7个月(IQR,3-13个月),DPP4i起始者8个月(IQR,4-16个月),SGLT2i起始者8个月(IQR,4-11个月),磺脲类起始者10个月(IQR,8-22个月)。大多数GLP-1RA使用者正在使用艾塞那肽(约20.0%)、利拉鲁肽(约50.0%)或司美格鲁肽(约20.0%)。

在持续使用者中(PP分析),校正后的MACE风险估计在不同降糖药物类别之间差异显著,持续暴露于GLP-1RA观察到的风险最低,其次为SGLT2i、磺脲类和DPP4i(图2)。图2B中4条校正累积发病率曲线的排序以及四臂队列中任意2臂之间校正2.5年ARD估计值的相应比较表明,与SGLT2i(ARD,−0.006[95%CI,−0.008至−0.004];P<.001)、磺脲类(ARD,−0.013[95%CI,−0.015至−0.012];P<.001)和DPP4i(ARD,−0.015[95%CI,−0.018至−0.011];P<.001)相比,持续暴露于GLP-1RA随时间推移MACE风险一致降低。此外,与磺脲类(ARD,−0.007[95%CI,−0.009至−0.005];P<.001)和DPP4i(ARD,−0.009[95%CI,−0.013至−0.005];P<.001)相比,持续暴露于SGLT2i风险一致降低;与DPP4i相比,持续暴露于磺脲类风险降低(ARD,−0.001[95%CI,−0.005至0.002];P=.47)。在两臂队列中,当比较累积发病率曲线下面积(ARD)和校正2.5年RD时,也发现校正MACE风险估计值有相似的降低(图2)(表3)。来自两臂队列比较磺脲类与DPP4i的校正估计表明,与磺脲类相比,DPP4i随时间推移MACE风险一致且统计学显著增加(图2C)。比较DPP4i与磺脲类以及SGLT2i与GLP-1RA,2.5年累积风险差异分别为1.9%(95%CI,1.1%-2.7%)和1.5%(95%CI,1.1%-1.9%)。

对于持续用药者的所有6项两类药物类别比较(表3),在合并动脉粥样硬化性心血管疾病(ASCVD)和不合并ASCVD的患者中,调整后的2.5年风险差(RD)估计值方向与整个队列所获得的结果相似。与合并ASCVD者相比,不合并ASCVD的持续用药者的RD通常小得多(相应的需治疗人数(NNT)则高得多)。在既往接受二甲双胍单药治疗且无ASCVD的持续用药者中,RD的幅度通常较小且无统计学意义,除非将SGLT2抑制剂和磺脲类药物与GLP-1受体激动剂进行比较。

与SGLT2抑制剂相比,持续使用GLP-1受体激动剂者主要不良心血管事件(MACE)风险估计值降低在合并ASCVD的患者、合并心力衰竭(伴或不伴ASCVD)的患者、65岁及以上患者以及基线中度肾功能损害患者中最为明显。在50岁以下者中,与SGLT2抑制剂相比,持续使用GLP-1受体激动剂者的MACE风险降低无统计学意义(表3及补充材料1中的e图51)。符合方案(PP)分析显示,与DPP4抑制剂相比,持续使用磺脲类药物者在总体及无ASCVD者中风险降低。尽管与DPP4抑制剂相比,持续使用磺脲类药物的MACE风险较小,但对于合并ASCVD者或既往接受二甲双胍单药治疗且无ASCVD者,2.5年时的RD无统计学意义。

来自持续使用艾塞那肽 vs 利拉鲁肽以及司美格鲁肽 vs 利拉鲁肽的主要PP分析,调整后的2.5年RD估计值(表3)和绝对风险差(ARD)(补充材料1中的e图60-61和e表59-60)未表明所比较的GLP-1受体激动剂之间在MACE风险方面存在显著差异。来自所有新用药者的次要意向性治疗(ITT)分析的调整后2.5年RD估计值,其方向通常与持续用药者主要PP分析的结果相似,但幅度通常小得多或无统计学意义(表3)。

考察次要MACE结局(更宽泛的心血管死亡定义)的敏感性分析结果支持主要结局的结论(补充材料1中的e图62-67和e表61-66)。在2臂队列中比较GLP-1受体激动剂与SGLT2抑制剂、磺脲类药物与DPP4抑制剂、以及GLP-1受体激动剂与DPP4抑制剂时,敏感性分析(补充材料1中的e附录4和e图69-74)提示,对合理水平的未测量混杂和选择偏倚进行调整,实际上会增强仅基于观察到的协变量所获得的证据。在2臂队列中比较磺脲类药物与SGLT2抑制剂、磺脲类药物与GLP-1受体激动剂、以及DPP4抑制剂与SGLT2抑制剂时,敏感性分析提示,对合理水平的未测量混杂和选择偏倚进行调整会略微削弱仅基于观察到的协变量所获得的证据。

表2. 用于模拟比较磺脲类药物、DPP4抑制剂、SGLT2抑制剂和GLP-1受体激动剂的4臂随机对照试验(RCT)的患者队列中选定协变量的基线值a 查看原表 ↗
图2. 降糖药物主要不良心血管事件(MACEs)的累积发病率曲线A至H,每个图表示通过目标学习(即基于目标最小损失的估计,结合倾向评分的超级学习估计)且无权重截断得出的MACE累积发病率曲线的未调整(A)或调整后(B-H)估计值。A和B,这些图模拟了来自4臂随机临床试验(RCT)的推断(PP分析),用于在协变量调整前(A)和调整后(B)比较磺脲类药物、二肽基肽酶-4抑制剂(DPP4is)、钠-葡萄糖协同转运蛋白-2抑制剂(SGLT2i)和胰高血糖素样肽-1受体激动剂(GLP-1RA)。C至H,这些图模拟了来自六项2臂RCT之一的推断(PP分析),经协变量调整后比较磺脲类药物与DPP4is(C)、SGLT2is与磺脲类药物(D)、GLP-1RAs与磺脲类药物(E)、SGLT2is与DPP4is(F)、GLP-1RAs与DPP4is(G)以及GLP-1RAs与SGLT2is(H)。模拟2臂RCT推断的图显示了随访2.5年(30个月)期间平均风险差异为0的检验P值。 查看原图 ↗
表3. 使用TMLE结合超级学习(未截断权重)的模拟2臂RCT中PP和ITT分析在2.5年随访时的累积发病率及其差异 查看原表 ↗

讨论

本研究使用原则性因果推断方法结合机器学习对基线和时变协变量进行调整,评估了4类降糖药物启动后持续使用的头对头比较有效性(主要PP分析)。MACE风险在不同药物类别间存在显著差异,最佳结果见于GLP-1RAs,其次是SGLT2is、磺脲类药物和DPP4is。对于无ASCVD的患者,MACE风险差异远小于(且NNT远高于)有ASCVD的患者。对艾塞那肽、利拉鲁肽和司美格鲁肽持续使用者的药物特异性比较未显示MACE风险存在显著差异。

本研究提供了GLP-1RAs与SGLT2is相比心血管效应的数据。GLP-1RAs优于SGLT2is的获益在ASCVD、HF(伴或不伴ASCVD)、中度肾损害或年龄65岁及以上的患者中最为明显。在HF患者和部分肾损害患者中,GLP-1RAs与SGLT2is相比表现良好。在50岁以下患者中,SGLT2is和GLP-1RAs对MACE的影响相似。然而,大多数GLP-1RA使用者正在服用艾塞那肽(约20.0%)、利拉鲁肽(约50.0%)或司美格鲁肽(约20.0%);因此,我们的结果可能低估了更新型肠促胰岛素模拟物可获得的获益。值得注意的是,在基线时接受二甲双胍单药治疗的无ASCVD患者中,PP分析中以下2向比较的MACE无显著差异:GLP-1RAs vs DPP4is、SGLT2is vs DPP4is、SGLT2is vs 磺脲类药物以及DPP4is vs 磺脲类药物。然而,由于样本量有限,这些发现不能排除临床上显著的风险差异,与总体人群发现一致。

既往随机对照试验(RCT)已确立DPP4抑制剂、SGLT2抑制剂和GLP-1受体激动剂相较于安慰剂的心血管效应,13,14,15但很少有头对头RCT将这些药物之间的心血管结局进行比较。本研究揭示了SGLT2抑制剂与GLP-1受体激动剂比较、磺脲类药物与DPP4抑制剂比较的心血管效应,基于临床指征早期启用GLP-1受体激动剂或SGLT2抑制剂的获益,以及不同患者亚组中结果的异质性,尤其是合并与不合并动脉粥样硬化性心血管疾病(ASCVD)的患者之间。

我们注意到,比较磺脲类药物与DPP4抑制剂持续使用者的结果与GRADE随机试验的MACE发现定性一致(补充材料1中的eFigure 68),该试验在二次分析中直接比较了这些药物对心血管结局的影响。39在资源充足的医疗体系中,肠促胰素类似物和SGLT2抑制剂通常是首选药物;但对于无法负担较新药物的患者以及低收入和中等收入国家中数以亿计的2型糖尿病(T2D)患者而言,涉及磺脲类药物和DPP4抑制剂(联合或不联合二甲双胍)的比较仍具有高度相关性。

我们关于GLP-1受体激动剂优于SGLT2抑制剂的发现也与先前一项欧洲观察性研究一致。17然而,我们的总体结果并不总是与其他针对相同比较效益问题的大型比较观察性研究的发现一致。13,14,15,16,17,18这种不一致的部分原因可能在于研究参与者的差异,以及先前已发表研究中若干方法学局限性或分析选择:缺乏血压、血脂水平、吸烟、肾功能和体重指数等重要混杂因素的临床数据;尽管药物停药和交叉换组率较高,却仍聚焦于意向性治疗(ITT)效应29;未处理时变混杂因素或失访偏倚;入组标准过于严格;在倾向评分构建中未考虑交互效应或作出其他强建模假设;或在违反比例风险假设的情况下仍以风险比(HR)而非风险差(RD)作为主要效应指标(详见补充材料1中的eAppendix 2)。

优势与局限性

本研究具有若干优势。研究纳入标准宽泛,对医疗服务不足社区具有稳健的代表性,纳入了电子健康记录(EHR)中的临床测量指标,在试验模拟框架内应用了原则性因果推断方法并结合机器学习,以及进行了确认主分析发现的敏感性分析。

若干局限性限制了我们结果的解释。本研究在美国6个中心开展,有必要在其他患者人群中重复验证,尤其是在无保险患者中。我们的分析未将二甲双胍、噻唑烷二酮类或胰岛素作为直接对照,超过2.5年的随访可能进一步阐明比较效益问题。我们基于药房配药数据估计药物暴露,而该数据并非生物性药物暴露的完美估计指标。尽管我们采用了原则性分析方法,仍存在一定的测量误差、未测量混杂来源或选择偏倚的可能性,不过敏感性分析提示我们的发现对未测量协变量所致的残余偏倚具有稳健性。

结论

在这项针对成人2型糖尿病(T2D)的比较效果研究中,主要不良心血管事件(MACE)风险因药物类别而存在显著差异,风险降低幅度最大的是持续接受GLP-1受体激动剂(GLP-1RAs)治疗,其次依次为SGLT2抑制剂(SGLT2is)、磺脲类药物和DPP4抑制剂(DPP4is)。GLP-1RAs相对于SGLT2is的获益幅度取决于患者的基线年龄、动脉粥样硬化性心血管疾病(ASCVD)、心力衰竭(HF)和肾功能损害。这些结果,结合对伴随临床效应、成本和可及性的考量,可为成人T2D的治疗决策提供参考。40,41

参考来源

  1. Neugebauer R, An J, Dombrowski SK, et al. Glucose-Lowering Medication Classes and Cardiovascular Outcomes in Patients With Type 2 Diabetes. JAMA Netw Open. 2025. PMID: 41091469. doi:10.1001/jamanetworkopen.2025.36100
  2. 全文:PMC12529185(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC12529185/

供执业医师抢救与诊疗参考,不替代临床判断;剂量请结合体重、肝肾功能和本院药品规格复核,以指南原文为准。