Étude 1 : analyse des médias sociaux
Identification optimale des clusters
En utilisant l’approche en deux étapes pour l’identification des clusters, 13 clusters optimaux ont été identifiés par centroïde. k-signifie regroupement ; car la ligne de tendance du score de distorsion montre une forte baisse avant de devenir linéaire à 13 (Suppl. Fig. 2). La figure 1A montre la visualisation 2D des clusters à l’aide d’UMAP. Une inspection plus approfondie des unigrammes et des bigrammes des 50 principaux mots-clés de chaque groupe a révélé des thèmes sous-jacents similaires, tels que la disponibilité des médicaments dans les pharmacies et les prescriptions des médecins, fusionnées dans « Soins de santé et pharmacie ». Par conséquent, nous avons créé 8 clusters finaux en fusionnant des clusters similaires. Dans l’ensemble, 8 thèmes notables ont émergé des discussions sur les articles liés au GLP-1 sur Reddit (Fig. 1B). Parmi ceux-ci, les discussions liées aux « effets des médicaments » (30 %), au « diabète » (21 %), à la « perte de poids et à l’obésité » (19 %) et aux « soins de santé et pharmacie » (14 %) ont dominé (Fig. 1B). .
Clusters optimisés finaux. Les clusters optimisés finaux obtenus pour notre échantillon sont présentés. (UN) un nuage de points visualisé par le modèle UMAP, nous voyons les deux composants UMAP notés UMAPx et UMAPy représenter les axes x et y du nuage de points, avec des couleurs différentes pour montrer les différents clusters. (B) la répartition des publications dans chacun de ces clusters avec les couleurs correspondantes.
Fonctionnalités sous-jacentes importantes des clusters optimisés
Un classificateur binaire basé sur une forêt aléatoire a été formé pour obtenir les caractéristiques sous-jacentes et leurs poids respectifs. Les résultats indiquent des caractéristiques sous-jacentes uniques pour chaque thème ; a) « merci », « espoir » et « heureux » sont les caractéristiques les plus pondérées dans la gratitude et les sentiments positifs (Fig. 2A, B). « poids », « perdre » et « obésité » dans la perte de poids et l’obésité (Fig. 2A, B). . 2B, C) « poids », « manger », « nausées » et « boire » sont les plus remarquables dans les effets des médicaments, (Fig. 2C, D) « pharmacie », « médicament » et « médecin » dans les soins de santé. et Pharmacie, (Fig. 2D, E) « dose », « aiguille », « flacon » et « 5 mg » dans les discussions liées à la dose (Fig. 2E, F) « assurance », « couverture » dans Assurance et couverture, (Fig. 2F, G) « diabète », « diabétique », « insuline » dans Diabète (Fig. 2G, H) « problème », « med » dans le cluster Non classé (Fig. 2H). Dans l’ensemble, le « poids », le « diabète », la « pharmacie », la « dose » et « l’assurance » dominent la discussion parmi tous les thèmes identifiés.
![Figure 2](https://i0.wp.com/media.springernature.com/lw685/springer-static/image/art%3A10.1038%2Fs41598-023-48267-2/MediaObjects/41598_2023_48267_Fig2_HTML.png?resize=685%2C719&ssl=1)
Fonctionnalités sous-jacentes obtenues par la formation d’un classificateur binaire de forêt aléatoire basé sur l’apprentissage supervisé. Tous les clusters sont identifiés par des caractéristiques sous-jacentes uniques, comme en témoigne le résultat (UN–H).
Représentation et exploration des données
Pour explorer davantage les discussions sur les thèmes identifiés grâce au classificateur binaire, nous avons visualisé les 30 principaux unigrammes ; mots simples (Suppl. Fig. 3) et bigrammes ; deux mots (Suppl. Fig. 4) parmi nos échantillons. Les mots-clés dans les unigrammes ainsi que dans les bigrammes ont révélé que les thèmes identifiés capturaient largement les discussions connexes ; mais avec quelques chevauchements. Par exemple, des mots-clés tels que poids, perte et perte de poids ont été notés dans toutes les grappes distinctes. Il est intéressant de noter que les effets des médicaments ont fait l’objet de discussions concernant la suppression de l’appétit et la réduction des fringales ; avec « je ne pense pas », « je ne veux pas » et « bruit de nourriture » observés comme mots clés fréquents.
Des études de cas et des articles de presse ont mis en évidence un effet secondaire inattendu des médicaments GLP-1, à savoir la suppression des comportements addictifs tels que la réduction du bruit des aliments et la perte du désir de consommer de l’alcool.25,26,27,28. Pour étudier plus en détail les effets des médicaments GLP-1 sur la consommation d’alcool, nous avons créé des arbres de mots pour visualiser les discussions liées à l’alcool au sein de chaque groupe. Les discussions liées à l’alcool ne sont pas apparues comme un thème distinct dans notre analyse principale, mais après inspection, elles se sont révélées réparties dans tous les groupes. Nous avons effectué une analyse d’enrichissement fonctionnel pour déterminer si des groupes spécifiques représentaient trop les postes d’alcool. La plupart des messages liés à l’alcool étaient sur-enrichis en deux groupes : le groupe 3 ; effets des médicaments (n = 826, p < 0,001) et groupe 2 ; perte de poids et obésité (n = 439, p = 0,002). La consommation d'alcool est représentée par des arbres de mots dans les groupes 2 et 3 (Figs. 3, 4, Suppl. Fig. 5) ; Les parties de texte en surbrillance indiquent des messages liés aux effets indésirables ou à une consommation réduite d'alcool, par exemple, je n'ai aucune envie de boire, la consommation d'alcool est en baisse, les envies de fumer ont disparu, etc. 962 personnes ont publié un total de 1 580 messages liés à l'alcool. Plus particulièrement, 71,7 % (1 134/1 580) des articles sur l'alcool traitaient de la réduction des envies de fumer, de la réduction de la consommation et d'autres effets négatifs dus à la consommation d'alcool, contenant des mots clés tels que arrêté, réduit, malade, rassasié, nausée, ne veux pas, réduction, faible. tolérance, envie. Lors d'une inspection manuelle de publications sélectionnées au hasard liées à l'alcool, nous avons confirmé qu'il s'agissait de personnes uniques publiant sur leurs propres expériences ou sur des expériences très connues.
![figure 3](https://i0.wp.com/media.springernature.com/lw685/springer-static/image/art%3A10.1038%2Fs41598-023-48267-2/MediaObjects/41598_2023_48267_Fig3_HTML.png?resize=685%2C398&ssl=1)
Arbre de mots liés à l’alcool. Préfixes des effets des médicaments générés pour le mot-clé « alcool ». Toutes les phrases liées à une diminution/modification de la consommation d’alcool ou à des effets sur l’alcool sont surlignées en rouge. Il est évident que la plupart des articles liés à l’alcool pointent vers une réduction de la consommation d’alcool.
![chiffre 4](https://i0.wp.com/media.springernature.com/lw685/springer-static/image/art%3A10.1038%2Fs41598-023-48267-2/MediaObjects/41598_2023_48267_Fig4_HTML.png?resize=685%2C514&ssl=1)
Arbre de mots liés à l’alcool. Suffixes issus du cluster des effets des médicaments générés pour le mot-clé « alcool ». Toutes les phrases liées à une diminution/modification de la consommation d’alcool ou à des effets sur l’alcool sont surlignées en rouge. Il est évident que la plupart des articles liés à l’alcool pointent vers une réduction de la consommation d’alcool.
Analyse de corrélation partielle d’ordre complet
Tout d’abord, nous avons calculé les proportions de publications sur chaque période de temps dans chaque cluster, en organisant les données en une série chronologique. L’analyse de corrélation partielle d’ordre complet sur les résultats de la série chronologique a fourni un aperçu de la force de la relation entre les 8 clusters optimaux identifiés (Fig. 5). Nous avons observé une majorité de corrélations positives entre nos clusters, indiquant une augmentation des discussions simultanées pertinentes pour tous les thèmes, par exemple, la gratitude et les sentiments positifs ont une corrélation positive significative avec tous les clusters, par exemple l’assurance et la couverture (R = 0,50, p< 0.001) and Diabetes (R = 0.29, p >0,05) sauf lié à la dose (R = − 0,19, p > 0,05). La corrélation négative la plus notable a été observée entre les effets du médicament et les discussions liées à la dose (R = − 0,06, p > 0,05) et à l’assurance et à la couverture (R = − 0,38, p < 0,05), indiquant qu'il y a un changement par rapport à la discussion des effets du médicament. médicaments à la recherche d'informations sur les doses et à l'acquisition du médicament par l'intermédiaire d'une assurance, à mesure que le médicament gagne en popularité.
![chiffre 5](https://i0.wp.com/media.springernature.com/lw685/springer-static/image/art%3A10.1038%2Fs41598-023-48267-2/MediaObjects/41598_2023_48267_Fig5_HTML.png?resize=685%2C221&ssl=1)
Matrice de corrélation partielle d’ordre complet des clusters optimaux avec des valeurs p. La figure montre 8 thèmes de publication GLP-1 uniques. Les flèches vertes indiquent une corrélation positive entre les thèmes tandis qu’une flèche rouge indique une corrélation négative entre les thèmes. La couleur d’arrière-plan représente la valeur p, allant de 0 : blanc à 1 : bleu foncé.
Étude 2 : étude à distance
Caractéristiques de la cohorte
Nous avons recruté 153 participants sur diverses plateformes de médias sociaux pour participer à notre étude. Les caractéristiques démographiques et de cohorte, dont aucune n’est significativement différente entre les groupes, sont présentées dans le tableau 1. En bref, la majorité des participants étaient des femmes blanches, âgées d’environ 40 ans, avec une éducation moyenne d’environ 15 ans et un IMC moyen d’environ 15 ans. 35. Les personnes sous Tirzépatide (n = 50) ont signalé une dose médiane de 7,5 mg [range 0.5–15 mg]et sur les variantes du sémaglutide : Ozempic ou Wegovy (n = 54) ont signalé une dose médiane de 1 [range 0.25–2.4] et Rybelsus (n = 2) ont signalé des doses de 7 mg et 14 mg. Les individus, leur groupe de médicaments et leurs doses sont indiqués dans le tableau 1 et Suppl. Tableau 1 respectivement.
Changements dans la consommation d’alcool
TLFB. Nous avons étudié les changements entre les sujets (groupes témoins ou groupes médicamenteux) dans la consommation d’alcool grâce à l’instrument TLFB à distance validé. Les participants buvaient significativement plus le week-end que les jours de semaine (B = 0,85, SE = 0,07, p < 0,001). Les personnes obèses sous Sémaglutide (B = − 1,31, SE = 0,30, p < 0,001) ou Tirzepatide (B = − 1,54, SE = 0,31, p < 0,001) buvaient en moyenne beaucoup moins d'alcool que leurs homologues ne prenant aucun médicament contre le diabète. ou une perte de poids. De plus, nous avons trouvé un terme d'interaction bidirectionnelle significatif (temps x groupe) dans le modèle avec le BIC le plus bas, suggérant une réduction de la consommation d'alcool en semaine et le week-end dans le sémaglutide (B = − 0,17, SE = 0,10, p = 0,08) et le tirzépatide. (B = − 0,45, SE = 0,10, p < 0,001), par rapport au contrôle (Fig. 6A). Deuxièmement, nous avons utilisé les boissons quotidiennes d'un individu pour réaliser une répartition binomiale des consommations excessives d'alcool ; les individus ont été classés comme 1 et 0 pour la consommation excessive d'alcool (boissons = 5 + et boissons = 4 + pour les hommes et les femmes respectivement29). Dans le modèle binomial optimal, il y avait un effet principal significatif du temps, c’est-à-dire le week-end par rapport au jour de la semaine (B = 1,4178, SE = 0,1857, p < 0,001) et du groupe, c'est-à-dire le sémaglutide par rapport au contrôle (B = − 2,0517, SE = 0,6002). , p < 0,001) et Tirzepatide vs. Control (B = − 3,7920, SE = 0,6764, p < 0,001 ; Fig. 6B), indiquant que ces médicaments réduisent les risques de consommation excessive d'alcool. Dans l'ensemble, les consommations moyennes et les risques de consommation excessive d'alcool se sont révélés significativement plus faibles dans les groupes de médicaments, c'est-à-dire le sémaglutide et le tirzépatide, par rapport au groupe témoin.
![chiffre 6](https://i0.wp.com/media.springernature.com/lw685/springer-static/image/art%3A10.1038%2Fs41598-023-48267-2/MediaObjects/41598_2023_48267_Fig6_HTML.png?resize=685%2C554&ssl=1)
L’étude à distance fournit des preuves convergentes solides d’une réduction de la consommation d’alcool. (UN) Taux d’incidence Ratio des boissons moyennes calculé à partir des 30 derniers jours Chronologie Suivi, tel que calculé par le package lme4 à l’aide de la distribution poisson. (B) Rapport de cotes de consommation excessive d’alcool au cours des 30 derniers jours (distribution binomiale, 0 ; pas de consommation excessive d’alcool, 1 ; consommation excessive d’alcool) Hommes (> 5 verres), Femmes (> 4 verres). (UN, B) Les losanges gris représentent le taux d’incidence estimé ou le rapport de cotes et les barres d’erreur représentent des intervalles de confiance à 95 %. Les résultats sont significatifs, puisque l’IC à 95 % n’englobe pas 1. Comparaison de (C) consommation moyenne par épisode de consommation (D) Résultats d’AUDIT (E) Effets sédatifs et (F) Effets stimulants de l’alcool au sein et entre les groupes. Une réduction significative est observée à la fois au sein des groupes (avant et après le début du traitement) et entre les groupes (contrôle vs traitement) pour les quatre mesures. Les cercles pleins représentent la moyenne et les barres d’erreur sont l’erreur standard des moyennes. Des points sensiblement différents sont désignés par des lettres différentes.
AUDIT et boissons par épisode d’utilisation. Nous rapportons un effet principal du temps (B = 6,63208, SE = 0,76773, p < 0,001), avant et pendant le traitement, indiquant que les scores AUDIT ont diminué après que les participants ont commencé leur dose actuelle de sémaglutide ou de tirzépatide (Fig. 6D). En complément de l'évolution des scores TLFB et AUDIT, les consommations d'alcool par épisode de consommation régulière étaient également significativement inférieures après que les participants ont commencé leur dose actuelle de médicament (B = 2,3443, SE = 0,2668, p < 0,001) (Fig. 6C). Cependant, nous n'avons pas trouvé de changement dose-dépendant dans les boissons moyennes ou les scores AUDIT dans les groupes de médicaments, bien qu'une tendance visuelle à la baisse ait pu être observée dans le groupe Tirzépatide. (Supplément Fig. 6). Enfin, pour la comparaison entre groupes, le moment actuel pour AUDIT (Semaglutide : B = − 5,0820 SE = 1,306, p = 0,001, Tirzepatide : B = − 6,6920, SE = 1,331, p < 0,001) et la fréquence par épisode de l'utilisation (Semaglutide : B = − 2,469, SE = 0,540, p < 0,001, Tirzepatide : B = − 2,838, SE = 0,552, p < 0,001) était significativement inférieure à celle du groupe témoin (Fig. 6C, D). En résumé, nous disposons de preuves convergentes solides d'une réduction de la consommation d'alcool chez les personnes prenant du Sémaglutide ou du Tirzépatide.
Les effets de l’intoxication alcoolique sont atténués
Nous avons également étudié comment les effets de l’alcool différaient chez les individus prenant des médicaments, avant et pendant la prise de leurs médicaments Semaglutide ou Tirzepatide. L’analyse des mesures répétées a révélé un effet temporel principal significatif, c’est-à-dire avant et pendant le traitement, à la fois pour les effets stimulants (B = − 9,057, SE = 1,623, p < 0,001 ; Fig. 6E) et sédatifs (B = − 9,689, SE). = 1,760, p < 0,001 ; figure 6F). De plus, à titre d'analyse inter-groupes, nous avons comparé le groupe témoin à chaque groupe de médicaments aux deux moments. Le groupe témoin était significativement différent du moment actuel pour les deux médicaments (Semaglutide : B = − 10,29, SE = 3,02, p = 0,004, Tirzepatide : B = − 11,445, SE = 3,08, p = 0,003), mais n'était pas différent. par rapport à avant le début de chaque médicament (ns). En résumé, nos résultats suggèrent que les effets de l'intoxication alcoolique, en particulier les effets stimulants et sédatifs, sont réduits lors de la prise de ces médicaments.
2023-11-28 21:41:37
1701198498
#sémaglutide #tirzépatide #réduisent #consommation #dalcool #chez #les #personnes #obèses