Risk of ST versus non-ST elevation myocardial infarction associated with non-steroidal anti-inflammatory drugs
Notice bibliographique
Résumé
OBJECTIVE: The objective of this study was to explore the association of non-steroidal anti-inflammatory drugs (NSAID) with ST-segment elevation myocardial infarction (STEMI) and non-ST segment elevation myocardial infarction (NSTEMI). DESIGN, SETTING & PATIENTS: A matched case-control study comparing patients with incident non-fatal myocardial infarction (MI) collected by cardiologists with controls. Cases were retrieved from the Pharmacoepidemiological General Research on Myocardial Infarction (PGRx-MI) registry, a French nationwide registry consisting of 55 cardiology centres, whereas controls were selected from general practice settings. Both cases and controls were recruited from the same geographically diverse areas across continental France. MAIN OUTCOME MEASURES: The association between NSAID and MI was assessed by matched adjusted OR from conditional logistic regression. RESULTS: Between 2007 and 2009, 1125 incident cases were included (67.3% and 32.7% for STEMI and NSTEMI, respectively), with 2790 controls matched to MI cases by age and sex. Current use (previous 2 months) of either diclofenac or naproxen and other arylpropionic acid NSAID was not associated with STEMI (OR 0.9, 95% CI 0.4 to 1.9 and OR 1.0, 95% CI 0.6 to 1.7, respectively), instead it showed significant association with NSTEMI (OR 2.8, 95% CI 1.2 to 6.4 and OR 0.4, 95% CI 0.2 to 0.9, respectively). Our study confirms results from previously published analyses on the association of MI with NSAID (OR 1.5, 0.9, and 1.0 for diclofenac, naproxen and related NSAID, and all NSAID combined, respectively). CONCLUSIONS: Our study shows that the MI risk modification associated with NSAID is limited to NSTEMI.
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) | 0,000 | 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 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 ».