The effect of statin use on the incidence of prostate cancer: A population‐based nested case–control study
Notice bibliographique
Résumé
Preclinical studies suggest statins may help prevent prostate cancer (PC), but epidemiologic results are mixed. Many epidemiological studies have relatively short prediagnosis drug exposure data, which may miss some statin use. We completed a nested case-control study investigating the impact of statin use on PC diagnosis and clinically significant PC using data from men aged ≥40 years in the Canadian province of Saskatchewan between 1990 and 2010. Drug exposure histories were derived from a population-based prescription drug database. We used conditional logistic regression to model use of statins as a class and stratified analyses for groups defined by lipophilicity. Clinically significant PC was defined as Gleason score 8-10 OR stage C or D or III or IV at diagnosis. 12,745 cases of PC were risk-set matched on age and geographic location to 50,979 controls. Greater than 90% of subjects had prediagnosis drug exposure histories >15 years. 2,064 (16.2%) cases and 7,956 (15.6%) controls were dispensed one or more statin prescriptions. In multivariable models, ever prescription of statins was not associated with PC diagnosis (OR 0.97; 95% CI 0.90-1.05). Neither lipophilic statins (OR 0.96, 95% CI 0.88-1.04) nor hydrophilic statins (OR 1.06, 95% CI 0.95-1.20) impacted PC diagnosis. There was no effect of the dose or duration of statin use. Diagnosis of clinically significant PC decreased with statin use (OR 0.84, 95% CI 0.73-0.97). Statin use is not associated with overall PC risk, regardless of duration or dose of statin exposure. Statin use is associated with a decreased risk of clinically significant PC.
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 | 0,001 | 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 ».