Cohort Study of Pioglitazone and Cancer Incidence in Patients With Diabetes
Notice bibliographique
Résumé
OBJECTIVE: To explore whether treatment with pioglitazone was associated with risk of incident cancer at the 10 most common sites (prostate, female breast, lung/bronchus, endometrial, colon, non-Hodgkin lymphoma [NHL], pancreas, kidney/renal pelvis, rectal, and melanoma). RESEARCH DESIGN AND METHODS: A cohort study of 252,467 patients aged ≥40 years from the Kaiser Permanente Northern California Diabetes Registry was conducted. All prescriptions for diabetes medications were identified by pharmacy records. Cox proportional hazards models were used to examine the association between risk of incident cancer and ever use, duration, dose, and time since initiation of pioglitazone (modeled as time-dependent variables). RESULTS: In models adjusted for age, sex, year of cohort entry, race/ethnicity, income, smoking, glycemic control, diabetes duration, creatinine levels, congestive heart failure, and use of other diabetes medications, the hazard ratio (HR) for each cancer associated with ever use of pioglitazone ranged from 0.7 to 1.3, with all 95% CIs including 1.0. There was a suggestion of an increased risk of melanoma (HR 1.3 [95% CI 0.9-2.0]) and NHL (1.3 [1.0-1.8]) and a decreased risk of kidney/renal pelvis cancers (0.7 [0.4-1.1]) associated with ever use of pioglitazone. These associations were unaltered with increasing dose, duration, or time since first use. CONCLUSIONS: We found no clear evidence of an association between use of pioglitazone and risk of the incident cancers examined. Because the maximum duration of follow-up was fewer than 6 years after the initiation of pioglitazone, longer-term studies are needed.
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 | 0,000 | 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 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 ».