Hospitalization for gastrointestinal adverse events attributable to the use of low‐dose aspirin among patients 50 years or older also using non‐steroidal anti‐inflammatory drugs: a retrospective cohort study
Notice bibliographique
Résumé
BACKGROUND: Use of aspirin with non-steroidal anti-inflammatory drugs increases the risk of gastrointestinal ulcers; however, it is not clear if this risk varies with the non-steroidal anti-inflammatory drug used. AIM: To assess the risk of gastrointestinal hospitalizations attributable to aspirin in patients 50 years or older also using non-steroidal anti-inflammatory drugs. METHODS: Administrative data of patients 50 years or older who received a non-steroidal anti-inflammatory drug or acetaminophen prescription between 1998 and 2004 were used. RESULTS: Study patients received 7,412,992 non-steroidal anti-inflammatory drug prescriptions and 5,614,044 acetaminophen prescriptions among which 23% and 32%, respectively, were dispensed to aspirin users. Time-dependent Cox regression models revealed that, compared to patients using acetaminophen (without aspirin), the adjusted hazard ratio (95% CI) among non-users of aspirin were: rofecoxib 1.3 (1.2, 1.5), celecoxib 0.7 (0.6, 0.8), diclofenac 1.5 (1.2, 1.7), ibuprofen 0.9 (0.6, 1.4), naproxen 2.5 (2.1, 3.0) and piroxicam 1.5 (0.8, 2.8); among users of aspirin: rofecoxib 3.2 (2.8, 3.7), celecoxib 1.8 (1.5, 2.1), diclofenac 2.8 (2.2, 3.5), ibuprofen 1.4 (0.8, 2.7), naproxen 2.2 (1.6, 3.0) and piroxicam 2.0 (0.8, 5.4). The risk attributable to aspirin varied from none with naproxen to 61% (53%, 68%) with celecoxib. CONCLUSION: The increase in gastrointestinal hospitalization attributable to aspirin differed with the non-steroidal anti-inflammatory drug used, and seemed higher with cyclo-oxygenase-2 inhibitors than with non-selective non-steroidal anti-inflammatory drugs.
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 | 0,001 | 0,000 |
| 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 | 0,000 | 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 ».