Risk of hair loss with different antidepressants
Notice bibliographique
Résumé
The aim of this study was to quantify the risk of hair loss with different antidepressants. A retrospective cohort study design using a large health claims database in the USA from 2006 to 2014 was utilized. A cohort of new user and mutually exclusive users of fluoxetine, fluvoxamine, sertraline, citalopram, escitalopram, paroxetine, duloxetine, venlafaxine, desvenlafaxine, and bupropion were followed to the first diagnosis of alopecia. The cohort was comprised of 1 025 140 new users of fluoxetine, fluvoxamine, sertraline, citalopram, escitalopram, paroxetine, duloxetine, venlafaxine, desvenlafaxine, and bupropion, with sertraline the most commonly prescribed (N=190 227) and fluvoxamine (N=3010) the least prescribed. Compared with bupropion, all other antidepressants had a lower risk of hair loss, with fluoxetine and paroxetine having the lowest risk [hazard ratio (HR)=0.68, 95% confidence interval (CI): 0.63-0.74, HR=0.68, 95% CI: 0.62-0.74, respectively] and fluvoxamine having the highest risk (HR=0.93, 95% CI: 0.64-1.37). Compared with fluoxetine, bupropion had the highest risk of hair loss (HR=1.46, 95% CI: 1.35-1.58, number needed to harm=242 for 2 years) and paroxetine had the lowest risk (HR=0.99, 95% CI: 0.90-1.09). The results of this large population-based cohort study suggest an increase in the risk of hair loss with bupropion compared with selective serotonin reuptake inhibitors and selective norepinephrine reuptake inhibitors, whereas paroxetine had the lowest risk.
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 | 0,001 |
| 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 | 0,001 |
| 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) | 0,001 | 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 ».