Real-world phenotypic markers to guide equitable use of SGLT2 inhibitors and GLP-1 receptor agonists in type 2 diabetes: evidence from a large machine learning-based cohort study

BACKGROUND L’avvento degli inibitori SGLT2 (SGLT2i) e degli agonisti GLP-1RA (GLP-1RA) ha trasformato la gestione del diabete mellito di tipo 2 (T2D), migliorando gli esiti cardiovascolari e renali. Tuttavia, i modelli di prescrizione rimangono lontani dalle linee guida. METODI Studio trasversale su 142.218 soggetti dal database AMD Annali 2023, stratificati in quattro gruppi clinici secondo le linee guida ADA. L’algoritmo Logic Learning Machine è stato utilizzato per identificare i marcatori fenotipici predittivi della prescrizione di SGLT2i e GLP-1RA. RISULTATI Le prescrizioni di SGLT2i erano più frequenti nei pazienti con eGFR 30 kg/m² e HbA1c >9%. I modelli predittivi per SGLT2i erano più affidabili rispetto a quelli per GLP-1RA. INTERPRETAZIONE L’aderenza alle linee guida per gli SGLT2i è maggiore rispetto ai GLP-1RA, che risultano sottoutilizzati nei pazienti ad alto rischio. PAROLE CHIAVE diabete di tipo 2; inibitori del cotrasportatore sodio-glucosio di tipo 2 (SGLT2i); agonisti del recettore del glucagon-like peptide-1 (GLP-1RA); machine learning analysis; cardiorenal risk stratification; prescription patterns.