Adherence to Lipid-lowering Therapy and the Use of Preventive Health Services: An Investigation of the Healthy User Effect
Notice bibliographique
Résumé
Patients who adhere to preventive therapies may be more likely to engage in a broad spectrum of behaviors consistent with a healthy lifestyle. Because many of these behaviors cannot be measured easily, observational studies of outcomes associated with the long-term use of preventive therapies are subject to the so-called "healthy user bias." To better understand this effect, the authors examined the association between adherence to statin therapy and the use of preventive health services in a Pennsylvania cohort of 20,783 new users of statins between 1996 and 2004. After adjustment for age, gender, and various comorbid conditions, patients who filled two or more prescriptions for a statin during a 1-year ascertainment period were more likely than patients who filled only one prescription to receive prostate-specific antigen tests (hazard ratio (HR)=1.57, 95% confidence interval (CI): 1.17, 2.19), fecal occult blood tests (HR=1.31, 95% CI: 1.12, 1.53), screening mammograms (HR=1.22, 95% CI: 1.09, 1.38), influenza vaccinations (HR=1.21, 95% CI: 1.12, 1.31), and pneumococcal vaccinations (HR=1.46, 95% CI: 1.17, 1.83) during follow-up. These results suggest that patients who adhere to chronic therapies are more likely to seek out preventive health services, such as screening tests and vaccinations. Further work is needed to identify study design and analysis methods that can be used to minimize the healthy user bias in studies of preventive therapies.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,025 | 0,052 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».