Does pravastatin promote cancer in elderly patients? A meta-analysis
Notice bibliographique
Résumé
BACKGROUND: An increase in the incidence of cancer among elderly people assigned to pravastatin therapy has been reported in a randomized controlled trial; however, this finding has been attributed to chance. Our aim was to assess the effect of pravastatin therapy on cancer risk and to examine whether the effect varies according to age by performing a detailed meta-analysis and meta-regression analysis of randomized controlled trials. METHODS: We performed a comprehensive literature search for relevant studies published before February 2006. Before analysis, the selected studies were evaluated for publication bias and heterogeneity. Pooled relative risk estimates with 95% confidence intervals (CIs) were calculated using fixed-and random-effects models. Meta-regression analysis was performed to examine the impact of age on the study estimates of the relative risk of cancer due to pravastatin therapy. RESULTS: Twelve trials that investigated the use of pravastatin therapy for cardiovascular outcomes were included in the analysis (n = 42 902). Although the overall association between pravastatin use and cancer was not statistically significant in the fixed-effects (risk ratio [RR] 1.06, 95% CI 0.99 - 1.13) or random-effects model (RR 1.06, 95% CI 0.97 - 1.14), the meta-regression analysis showed that the age of study participants significantly modified the effect of pravastatin therapy on cancer risk (p = 0.006). Specifically, this analysis showed that pravastatin therapy was associated with an increasing risk of cancer as age increased. This finding was remarkably robust in the sensitivity analysis. INTERPRETATION: Our findings suggest an association between pravastatin therapy and cancer in elderly patients. However, given the importance of this potential association, further verification is warranted.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,001 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».