Use of continuous exposure variables when examining dose-dependent pharmacological effects – Application to the association between exposure to higher statin doses and the incidence of diabetes
Notice bibliographique
Résumé
BACKGROUND: Many observational studies have found an association between the exposure to statins and the increased risk of diabetes, mostly through the use of intent-to-treat (ITT) like exposure measure (EM). ITT like EM may not adequately reflect the mechanism of action by which statins could cause diabetes. OBJECTIVES: To determine if continuous EMs can more accurately reflect the mechanism of action by which statins and incidence of diabetes would be associated than ITT like EM. METHODS: We obtained a cohort of 404,129 diabetes-free incident statin users from the Québec public drug insurance plan. Patients dispensed with a drug used in the treatment of diabetes or diagnosed with diabetes within 2-years follow-up were defined as cases. Controls were randomly matched to each case on the index date. Three EMs were tested. EM 1: exposure to a high versus low dose statin at baseline (ITT like); EM 2: cumulative standardized statin dose (cSSD) at the index date; and EM 3: cSSD in the 180 days prior to the index date. The optimal EM was selected based upon each model's Akaike's information criterion (AIC). Conditional logistic regressions were used to calculate conditional OR and model AIC. RESULTS: All three EMs identified an increased risk of diabetes among patients exposed to higher statin doses. Model AIC identified EM 3 as the best EM for this association. CONCLUSIONS: Our results indicate that higher statin doses increase the risk of diabetes but favour a cumulative reversible diabetogenic effect of statins.
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 | 0,004 | 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 | 0,000 |
| 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 ».