Validating the effects of drug treatment on blood pressure in the General Practice Research Database
Notice bibliographique
Résumé
PURPOSE: Observational studies using clinical databases, such as the United Kingdom's General Practice Research Database (GPRD), may provide an alternative to clinical trial data for detecting longitudinal changes in blood pressure due to drug exposures that vary over time. Blood pressure data which are measured at variable intervals and are often missing present a particular methodological challenge to the analysis of such studies. METHODS: To assess effects on blood pressure, we extracted from the GPRD several cohorts of new drug users of warfarin (n = 21,532), ibuprofen (n = 92,037), proton pump inhibitors (n = 153,695), statins (n = 118,704), rofecoxib (n = 6399), and celecoxib (n = 6217) from 2001 to 2003. Several blood pressure readings were missing either before or after initiating therapy. We compared the results of analyses using a linear mixed model with a pre-post quasi-experimental design, using the multiple imputation approach to account for missing data. RESULTS: There was evidence that the missing blood pressure data were not missing completely at random as subjects with more blood pressure readings tended to have higher recorded values. For statins, the mixed model estimated a change in systolic blood pressure of -3.80 mmHg (99% confidence interval (CI): from -3.97 to -3.63), similar to the quasi- experimental model and to the -4.00 mmHg estimated from clinical trials. Sensitivity analyses indicate that these estimates are robust. For rofecoxib, the change in systolic blood pressure were 2.20 mmHg (99%CI: 1.09-3.32) and 1.21 mmHg (99%CI: 0.21-2.22) for the two methods, respectively, again confirming the findings of randomized trials. CONCLUSION: With appropriate statistical techniques, GPRD blood pressure data can be used to estimate blood pressure changes secondary to drug therapy.
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 | 0,006 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».