Allopurinol and mortality in hyperuricaemic patients
Notice bibliographique
Résumé
OBJECTIVES: While studies have suggested that gout and hyperuricaemia are associated with the risk of premature death, none has investigated the role of urate-lowering therapy on this critical outcome. We examined the impact of allopurinol, the most commonly used urate-lowering drug, on the risk of mortality in hyperuricaemic patients. METHODS: From a population of hyperuricaemic veterans of [serum urate level >416 micromol/l (7.0 mg/dl)] at least 40 years of age, we compared the risk of death between incident allopurinol users (n = 2483) and non-users (n = 7441). We estimated the multivariate mortality hazard ratio (HR) of allopurinol use with Cox proportional hazards models. RESULTS: Of the 9924 veterans (males, 98% and mean age 62.7 years), 1021 died during the follow-up. Patients who began treatment with allopurinol had worse prognostic factors for mortality, including higher BMI and comorbidities. After adjusting for baseline urate levels, allopurinol treatment was associated with a lower risk of all-cause mortality (HR 0.78; 95% CI 0.67, 0.91). Further adjustment with other prognostic factors did not appreciably alter this estimate (HR 0.77; 95% CI 0.65, 0.91). The mean change from baseline in serum urate within the allopurinol group was -111 micromol/l (-1.86 mg/dl). Adjusting for baseline urate level, allopurinol users had a 40 micromol/l (0.68 mg/dl) lower follow-up serum urate value than controls (95% CI -0.55, -0.81). CONCLUSION: Our findings indicate that allopurinol treatment may provide a survival benefit among patients with hyperuricaemia.
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 ».