The influence of gender on the effects of aspirin in preventing myocardial infarction
Notice bibliographique
Résumé
BACKGROUND: There is considerable variation in the effect of aspirin therapy reducing the risk of myocardial infarction (MI). Gender could be a potential explanatory factor for the variability. We conducted a systematic review and meta-analysis to determine whether gender mix might play a role in explaining the large variation of aspirin efficacy across primary and secondary MI prevention trials. METHODS: Randomized placebo-controlled clinical trials that examined the efficacy of aspirin therapy on MI were identified by using the PUBMED database (1966 to October 2006). Weighted linear regression technique was used to determine the relationship between log-transformed relative risk (RR) of MI and the percentage of male participants in each trial. The reciprocal of the standard error of the RR in each trial (1/SE) was used as the weight. RESULTS: A total of 23 trials (n = 113 494 participants) were identified. Overall, compared with placebo, aspirin reduced the risk of non-fatal MI (RR = 0.72, 95% confidence interval (CI) 0.64-0.81, p < 0.001) but not of fatal MI (RR = 0.88, 95% CI 0.75-1.03, p = 0.120). A total of 27% of the variation in the non-fatal MI results could be accounted for by considering the gender mix of the trials (p = 0.017). Trials that recruited predominantly men demonstrated the largest risk reduction in non-fatal MI (RR = 0.62, 95% CI 0.54-0.71), while trials that contained predominately women failed to demonstrate a significant risk reduction in non-fatal MI (RR = 0.87, 95% CI 0.71-1.06). CONCLUSION: Gender accounts for a substantial proportion of the variability in the efficacy of aspirin in reducing MI rates across these trials, and supports the notion that women might be less responsive to aspirin than men.
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 | 0,005 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».