Independent risk factors for simvastatin-related myopathy and relevance to different types of muscle symptom
Notice bibliographique
Résumé
AIMS: Statins are widely used to prevent cardiovascular events, but little is known about the impact of different risk factors for statin-related myopathy or their relevance to reports of other types of muscle symptom. METHODS AND RESULTS: An observational analysis was undertaken of 171 clinically adjudicated cases of myopathy (defined as unexplained muscle pain or weakness with creatine kinase >10× upper limit of normal) and, separately, of 15 208 cases of other muscle symptoms among 58 390 individuals with vascular disease treated with simvastatin for a mean of 3.4 years. Cox proportional hazards models were used to identify independent predictors of myopathy. The rate of myopathy was low: 9 per 10 000 person-years of simvastatin therapy. Independent risk factors for myopathy included: simvastatin dose, ethnicity, sex, age, body mass index, medically treated diabetes, concomitant use of niacin-laropiprant, verapamil, beta-blockers, diltiazem and diuretics. In combination, these risk factors predicted more than a 30-fold risk difference between the top and bottom thirds of a myopathy risk score (hazard ratio : 34.35, 95% CI: 12.73-92.69, P across thirds = 9·1 × 10-48). However, despite the strong association with myopathy, this score was not associated with the other reported muscle symptoms (P across thirds = 0.93). Likewise, although SLCO1B1 genotype was associated with myopathy, it was not associated with other muscle symptoms. CONCLUSIONS: The absolute risk of simvastatin-related myopathy is low, but individuals at higher risk can be identified to help guide patient management. The lack of association of the myopathy risk score with other muscle symptoms reinforces randomized placebo-controlled evidence that statins do not cause the vast majority of reported muscle symptoms.
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 | 0,001 |
| 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 ».