Association of Antiepileptic Drugs With Nontraumatic Fractures
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVE: To explore the relationship between antiepileptic drug (AED) use and nontraumatic fractures in those aged 50 years and older. DESIGN: Retrospective matched cohort study. PARTICIPANTS: A total of 15,792 persons, identified through the Population Health Research Data Repository from Manitoba, Canada, with nontraumatic fractures of the wrist, hip, and vertebra occurring between 1996 and 2004. Each patient was matched for age, sex, ethnicity, and comorbidity with up to 3 controls (n = 47,289). INTERVENTIONS: Prior AED use (carbamazepine, clonazepam, ethosuximide, felbamate, gabapentin, lamotrigine, levetiracetam, oxcarbazepine, phenobarbital, phenytoin, pregabalin, primidone, topiramate, valproic acid, and vigabatrin) was determined from pharmacy data in the repository. Odds ratios (OR) for fracture from AED exposure were adjusted for sociodemographic and comorbidity factors known to affect fracture risk. RESULTS: A significant increase in fracture risk was found for most of the AEDs being investigated (carbamazepine, clonazepam, gabapentin, phenobarbital, and phenytoin). The adjusted ORs ranged from 1.24 (95% confidence interval [CI], 1.05-1.47) for clonazepam to 1.91 (95% CI, 1.58-2.30) for phenytoin. The only AED not associated with increased fracture risk was valproic acid (adjusted OR, 1.10; 95% CI, 0.70-1.72). CONCLUSIONS: Most AEDs were associated with an increased risk of nontraumatic fractures in individuals aged 50 years or older. Further studies are warranted to assess the risk of nontraumatic fractures with the newer AEDs and to determine the efficacy of osteoprotective medications in this population.
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.
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 découle