Thiazolidinediones and Fractures in Men and Women
Notice bibliographique
Résumé
BACKGROUND: Clinical trials and meta-analyses have found that rosiglitazone maleate, a thiazolidinedione that is prescribed for type 2 diabetes mellitus, increases the risk of fractures in women. The association between the use of thiazolidinediones and fractures in men and women is not adequately understood. METHODS: We conducted a prospective cohort study. The primary outcome was peripheral fractures in men and women who were exposed to thiazolidinediones compared with sulfonylureas. We studied 84 339 patients from British Columbia, Canada, who began treatment with a thiazolidinedione or a sulfonylurea. The association between the use of thiazolidinediones and fractures was examined using multivariate-adjusted Cox models. RESULTS: The mean age of the patients in the study was 59 years, and 43% were women. In this cohort, treatment with a thiazolidinedione was associated with a 28% increased risk of peripheral fractures compared with treatment with a sulfonylurea (hazard ratio [HR], 1.28; 95% confidence interval [CI], 1.10-1.48). The use of pioglitazone hydrochloride was associated with an increased risk of peripheral fracture of 77% in women (HR, 1.76; 95% CI 1.32-2.38). Compared with exposure to sulfonylureas, exposure to pioglitazone was associated with more peripheral fractures in men (HR, 1.61; 95% CI 1.18-2.20), but we did not observe a similar association with exposure to rosiglitazone (HR, 1.00; 95% CI, 0.75-1.34). CONCLUSIONS: Both men and women who take thiazolidinediones could be at increased risk of fractures. Pioglitazone may be more strongly associated with fractures than rosiglitazone. Larger observational studies are needed, and fracture data from clinical trials need to be fully published so that fracture risks can be known with greater certainty.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 | 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 ».