Estimation of the marginal effect of regular drug use on multiple sclerosis in the Iranian population
Notice bibliographique
Résumé
There are only few reports regarding the role of lifetime drug or substance use in multiple sclerosis (MS) etiology. In this study, we investigated the potential effect of drug or substance exposure on the onset of MS diagnosis. We conducted a population-based incident case control study in Tehran. Cases (n = 547) were 15-50 years old persons with MS identified from the Iranian Multiple Sclerosis Society (IMSS) register during August 7, 2013, and November 17, 2015. Population-based controls (n = 1057) were 15-50 years old and were recruited by random digit telephone dialing. Inverse-probability-of-treatment weighing (IPTW) using two sets of propensity scores (PSs) was used to estimate marginal incidence odds ratios (ORs) for MS contrasting pre-specified substance use. The estimated marginal OR was 6.03 (95% confidence interval: 3.54;10.3, using trimmed weights at the 95th percentile of the stabilized weight distribution) in both IPTW analyses comparing lifetime substance use (opioids, cannabis, inhalants, hallucinogens and stimulants) for at least one time monthly during a six-months or longer period vs. no such history of drug use. Subject to limitation of causal claims based on case-control studies, this study suggests that monthly drug or substance use for a period of at least six consecutive months, may increase the risk of MS by factor 3.5 or higher.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,013 | 0,037 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».