Traditional <i>versus</i> marginal structural models to estimate the effectiveness of <i>β</i>‐blocker use on mortality after myocardial infarction
Notice bibliographique
Résumé
BACKGROUND: Observational studies of the effect of beta-blockers on all-cause mortality after an acute myocardial infarction (AMI) have tended to overestimate the effectiveness of this treatment. OBJECTIVE: To compare the estimates of the effect of beta-blocker use on mortality post-AMI derived from a traditional adjusted regression model with those from a marginal structural model. METHODS: A population-based cohort spanning the period of 2002-2004 was formed from the United Kingdom General Practice Research Database (GPRD). The cohort included all subjects who survived 90 days after their first AMI, who were then followed for 9 months. beta-Blocker use and blood pressure were identified in both the 90-day period before and the 90-day period after the AMI. Rate ratios (RR) were estimated using pooled logistic regression. RESULTS: The cohort included 9939 participants who survived 90 days after their AMI, of whom 633 died during the 9-month follow-up. Over 23% were taking beta-blockers pre-AMI, compared with 71% post-AMI. Using the traditional adjusted regression analysis, the RR of death with post-AMI beta-blocker use was 0.54 (95% confidence interval (CI): 0.45-0.67), while using the inverse probability of treatment weighting (IPTW) model it was 0.72 (95%CI: 0.61-0.84). The IPTW estimate is compatible with the estimate derived from a meta-analysis of randomized controlled trials (RCTs) while the adjusted regression estimate exaggerates the effectiveness. CONCLUSIONS: Observational studies of the association of anti-hypertensive medications with all-cause mortality should consider adding a marginal structural model to their armamentarium of data analysis.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».