LONG-TERM ASPIRIN USE IS ASSOCIATED WITH A LOWER PREVALENCE OF FRAILTY IN MEN: THE PHYSICIANS’ HEALTH STUDY
Notice bibliographique
Résumé
Chronic inflammation may lead to frailty, however the potential for anti-inflammatory medications such as aspirin to prevent frailty is unknown. We examined the association between frequency of long-term aspirin use and prevalent frailty. We conducted a cross-sectional cohort of 12,101 participants ≥60 years in the Physicians’ Health Study I, a completed aspirin randomized controlled trial (1982–1986). Annual follow-up questionnaires were sent to collect self-reported data on aspirin use, lifestyle and clinical variables. Average frequency of aspirin use was summed into 3 categories: <60 days/yr, 60–180 days/yr, and >180 days/yr. Frailty was assessed using a 33-item index administered in 1999. A score ≥0.21 was considered frail as prior studies suggest. Propensity scoring was used for statistical control of covariate influences. Logistic regression models estimated odds of prevalent frailty as a function of average aspirin use. Median age was 70 years (range 60–101). Aspirin use was reported as <60 days/yr for 15%, 61% reported 60–180 days/yr and 24% reported >180 days/yr. 2422 participants (20%) were frail. Frequency of aspirin use was positively associated with prior smoking, daily alcohol consumption, weekly exercise, hypertension, CVD and stroke, but negatively associated with prior bleeding and Coumadin use. After adjustment, the ORs (95% CIs) of prevalent frailty were 0.87 (0.77–0.99) and 0.92 (0.80–1.06) for average aspirin use 60–180 and >180 days/yr, respectively, compared to aspirin use of <60 days/yr. Long term frequency of aspirin use may be inversely associated with the prevalence of frailty among older men even after consideration of multimorbidity and health behaviors.
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 | 0,003 |
| 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 ».