Estrogen replacement therapy: determinants of persistence with treatment
Notice bibliographique
Résumé
OBJECTIVE: To evaluate the persistence rate for estrogen therapy and to identify its determinants. METHODS: From the Quebec health insurance database we chose a cohort of 4527 women 35 years and older who received social assistance and were new users of estrogen between January 1989 and December 1997. Incident use was defined by the absence of any dispensed prescription of estrogen in the 3 years before the index date (date of first dispensed prescription). We estimated the cumulative persistence rate of treatment by Kaplan-Meier failure time analysis and identified its determinants with the Cox proportional hazards model. RESULTS: From the initial cohort, 3395 women (75%) renewed their first dispensed prescription and 905 (20%) continued treatment after 4 years. The determinants measured at the index date and significantly associated with a better persistence rate (relative risk [RR]) were younger than 60 years (RR 1.15, 95% confidence interval [CI] 1.01, 1.30), low dosage (RR 1.49, 95% CI 1.32, 1.70), continuous progestin combination (RR 1.40, 95% CI 1.27, 1.54), and a gynecologist as the first prescribing physician (RR 1.15, 95% CI 1.03, 1.21). Also, coronary heart disease or at least one risk factor for it in the year before the index date was associated with a better persistence rate for estrogen replacement therapy (RR 1.15, 95% CI 1.05, 1.22). CONCLUSIONS: The persistence rate for estrogen therapy is poor, implying that few women take it long enough to benefit from it.
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 ».