Gout and the risk of parkinson's disease: A cohort study
Notice bibliographique
Résumé
OBJECTIVE: Several studies have suggested that higher serum uric acid levels lead to a lower risk of Parkinson's disease (PD) because uric acid exerts antioxidant effects on neurons. Our objective was to examine the relationship between gout and the risk of PD in persons age > or = 65 years. METHODS: We conducted a population-based cohort study using the British Columbia Linked Health Database and PharmaCare data (i.e., prescription drug data for those age > or = 65 years). We compared incidence rates of PD between 11,258 gout patients and 56,199 controls matched on age, sex, date of gout diagnosis, and length of medical record. Cox proportional hazards models were used to estimate the relative risk (RR) of PD, adjusting for age, sex, prior comorbid conditions, and use of diuretics and nonsteroidal antiinflammatory drugs. RESULTS: Over an 8-year median followup, we identified 1,182 new cases of PD. Compared with individuals without gout, the multivariate RR of PD among those with gout was 0.70 (95% confidence interval [95% CI] 0.59-0.83). In subgroup analyses, the inverse association was similarly present in both sexes and was evident among those who did not use diuretics (RR 0.66, 95% CI 0.54-0.81), but not among diuretic users (RR 0.80, 95% CI 0.58-1.10, P for interaction 0.35). CONCLUSION: Our population-based data provide evidence for a protective effect of gout on the risk of PD and support the purported protective role of uric acid.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».