MétaCan
Menu
Retour à la cohorte
Enregistrement W1498746651 · doi:10.1371/journal.pone.0128232

Opioids Contribute to Fracture Risk: A Meta-Analysis of 8 Cohort Studies

2015· review· en· W1498746651 sur OpenAlexaboutno aff
Zhaowei Teng, Yun Zhu, Feihu Wu, Yanhong Zhu, Xiguang Zhang, Chuanlin Zhang, Shuangneng Wang, Lei Zhang

Notice bibliographique

RevuePLoS ONE · 2015
Typereview
Langueen
DomaineMedicine
ThématiqueOpioid Use Disorder Treatment
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineMeta-analysisCohort studyConfidence intervalCohortRelative riskPublication biasSubgroup analysisInternal medicine

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: To evaluate the association between chronic opioid use for non-cancer pain and fracture risk by conducting a meta-analysis of cohort studies. METHODS: Cohort studies were identified by searching PubMed and EMBASE from their inception to July 2014. A fracture was considered an endpoint. The information was extracted by two authors independently. When the heterogeneity was significant, a random-effects model was used to calculate the overall pooled risk estimates. RESULTS: Eight cohort studies were included in the final meta-analysis. On the basis of the Newcastle-Ottawa Scale (NOS), six studies were considered to be of high quality. The overall combined relative risk for the use of opioids and fractures was 1.88 (95% confidence interval [CI] 1.51-2.34). A subgroup analysis revealed the sources of heterogeneity. The sensitivity analysis indicated stable results, and no publication bias was observed. CONCLUSIONS: This meta-analysis of cohort studies demonstrates that opioids significantly increase the risk of fractures.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Méta-épidémiologie (sens large)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: Méta-analyse
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,263
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0170,004
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,250
Tête enseignante GPT0,405
Écart entre enseignants0,156 · 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 tête enseignante, pas un consensus.

Devis d'étudeMéta-analyse
Domainenon disponible
GenreSynthèse

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

En bref

Citations53
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePLoS ONEMême sujetOpioid Use Disorder TreatmentTravaux en français237 207