The Effects of Reverse Causality and Selective Attrition on the Relationship Between Body Mass Index and Mortality in Postmenopausal Women
Notice bibliographique
Résumé
Concerns about reverse causality and selection bias complicate the interpretation of studies of body mass index (BMI, calculated as weight (kg)/height (m)2) and mortality in older adults. The objective of this study was to investigate methodological explanations for the apparent attenuation of obesity-related risks in older adults. We used data from 68,132 participants in the Women's Health Initiative (WHI) clinical trial for this analysis. All of the participants were postmenopausal women aged 50-79 years at baseline (1993-1998). To examine reverse causality and selective attrition, we compared rate ratios from inverse probability of treatment- and censoring-weighted Poisson marginal structural models with results from an unweighted adjusted Poisson regression model. The estimated mortality rate ratios and 95% confidence intervals for BMIs of 30.0-34.9, 35.0-39.9 and ≥40.0 were 0.86 (95% confidence interval (CI): 0.77, 0.96), 0.85 (95% CI: 0.72, 0.99), and 0.88 (95% CI: 0.72, 1.07), respectively, in the unweighted model. The corresponding mortality rate ratios were 0.96 (95% CI: 0.86, 1.07), 1.12 (95% CI: 0.97, 1.29), and 1.31 95% CI: (1.08, 1.57), respectively, in the marginal structural model. Results from the inverse probability of treatment- and censoring-weighted marginal structural model were attenuated in low BMI categories and increased in high BMI categories. The results demonstrate the importance of accounting for reverse causality and selective attrition in studies of older adults.
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 | 0,003 | 0,005 |
| 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 | 0,000 |
| 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 ».