Use of non‐steroidal anti‐inflammatory drugs and risk of non‐Hodgkin lymphoma: a systematic review and meta‐analysis
Notice bibliographique
Résumé
Epidemiological study findings regarding the association between use of non-steroidal anti-inflammatory drugs (NSAIDs) and risk of non-Hodgkin lymphoma (NHL) have been inconsistent. We aimed to systematically review epidemiological studies of the association and calculate pooled relative risks using meta-analytic methods. We searched eight electronic literature databases and three clinical trial registers to identify all studies (including observational studies and randomized clinical trials) of the association published prior to October 2013. Identified studies were independently reviewed by two researchers. We used a random effects model to calculate pooled odds ratio (PORs). Heterogeneity amongst studies was examined using Cochran's Q and I-squared (I(2)) tests; and sources of heterogeneity were explored using subgroup and meta-regression analyses. A total of 17 studies (12 case-control studies and five cohort studies), all adult studies, were included. Use of NSAIDs was not associated with overall risk of NHL [POR = 1.05, and 95% confidence interval (95% CI) 0.90-1.22] or NHL subtypes including B-cell lymphoma, T-cell lymphoma, follicular lymphoma, diffuse large B-cell lymphoma and chronic lymphocytic leukemia/small lymphocytic lymphoma (CLL/SLL). Aspirin use was associated with reduced risk of CLL/SLL (POR = 0.70, 95% CI 0.54-0.91) but not with the risk of all NHLs (POR = 1.02, 95% CI 0.89-1.17). Use of non-aspirin NSAIDs was associated with increased risk of NHL (POR = 1.41, 95% CI 1.01-1.97) amongst females only. The epidemiologic evidence remains inconclusive. Effects of NSAIDs may differ by drug type, NHL subtype, and sex and more studies taking into consideration these differences are needed.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,026 | 0,003 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».