The comparative effectiveness of fourth‐line drugs in resistant hypertension: An application in electronic health record data
Notice bibliographique
Résumé
PURPOSE: To examine the utility of electronic health records from a routine care setting in assessing comparative effectiveness of fourth-line anti-hypertensive drugs to treat resistant hypertension. METHODS: We conducted a cohort study using the Clinical Practice Research Datalink: a repository of electronic health records from UK primary care. We identified patients newly prescribed fourth-line anti-hypertensive drugs (aldosterone antagonist , beta-blocker, or alpha-blocker). Using propensity score-adjusted Cox proportional hazards models, we compared the incidence of the primary outcome (composite of all-cause mortality, stroke, and myocardial infarction) between patients on different fourth-line drugs. AA was the reference drug in all comparisons. Secondary outcomes were individual components of the primary outcome, blood pressure changes, and heart failure. We used a negative control outcome, Herpes Zoster, to detect unmeasured confounding. RESULTS: Overall, 8639 patients were included. In propensity score-adjusted analyses, the hazard ratio for the primary outcome was 0.81 (95% CI, 0.55-1.19) for beta-blockers and 0.68 (95% CI, 0.46-0.96) for alpha-blockers versus AA. Findings for individual cardiovascular outcomes trended in a more plausible direction, albeit imprecise. A trend for a protective effect for Herpes Zoster across both comparisons was seen. CONCLUSIONS: A higher rate of all-cause death in the AA group was likely due to unmeasured confounding in our analysis of the composite primary outcome, supported by our negative outcome analysis. Results for cardiovascular outcomes were plausible, but imprecise due to small cohort sizes and a low number of observed outcomes.
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 | 0,014 | 0,000 |
| 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».