Effectiveness of Allopurinol in Reducing Mortality: Time‐Related Biases in Observational Studies
Notice bibliographique
Résumé
OBJECTIVE: The treatment of gout with allopurinol is effective at reducing urate levels and the frequency of flares. Several observational studies have shown important reductions in mortality with allopurinol use, with wide variations in results. We undertook this review to assess the extent of bias in these studies, particularly time-related biases such as immortal time bias. METHODS: We searched the literature to identify all observational studies describing the effect of allopurinol use versus nonuse on all-cause mortality. RESULTS: We identified 12 observational studies, of which 3 were affected by immortal time bias and 3 by immeasurable time bias, while the remaining 6 studies avoided these time-related biases. Reductions in all-cause mortality with allopurinol use were observed among the studies with immortal time bias, with a pooled hazard ratio (HR) of death associated with allopurinol of 0.71 (95% confidence interval [95% CI] 0.50-1.01), as well as in those with immeasurable time bias (pooled HR 0.62 [95% CI 0.56-0.67]). The 6 studies that avoided these biases demonstrated a null effect of allopurinol on mortality (pooled HR 0.99 [95% CI 0.87-1.11]), though the lack of an analysis based on treatment adherence may have attenuated the effect. CONCLUSION: Observational studies are important to provide real-world data on medication effects. The observational studies showing significantly decreased mortality with allopurinol treatment cannot be used as evidence, however, mainly due to time-related biases that tend to greatly exaggerate the potential benefit of treatments. The ALL-HEART randomized trial, which is currently underway and evaluates the effect of adding allopurinol to usual care (compared to no added treatment), will provide reliable evidence on mortality.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,006 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 | 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 ».