Do proton pump inhibitors increase mortality? A systematic review and in-depth analysis of the evidence
Notice bibliographique
Résumé
Aims: Proton pump inhibitors (PPIs) were primarily approved for short term use (2 to 8 weeks). However, PPI use continues to expand. Widely believed to be safe, we reviewed emerging evidence on increased mortality with PPI long-term use. Methods: We searched MEDLINE, Embase and Cochrane Central for evidence from systematic reviews (SR) and primary studies reporting all-cause mortality in adults treated with a PPI for any indication (duration > 12 weeks) compared to patients without PPI treatment (no use, placebo or H2RA use). Data was synthesized, analysed, critically examined and interpreted herein. Results: From 1304 articles, one systematic review (SR) was identified that reported on all-cause mortality. The SR pooled 3 observational studies with data to 1 year: odds ratio, 95% confidence interval (CI) 1.53-1.84. A randomized controlled trial (RCT), the COMPASS (Cardiovascular Outcomes for People Using Anticoagulant Strategies) RCT with data to 3 years: hazard ratio (HR) 1.03, 95% CI 0.92-1.15. The US Veterans Affairs cohort study using a large national dataset with data to 10 years; HR 1.17, 95% CI (1.10-1.24), (NNH) 22. The most common causes of death were from cardiovascular and chronic kidney diseases, with an excess death of 15 and 4 per 1000 patients, respectively over 10-year period. Conclusions: Harms arising from real world medication use are best evaluated using a pharmacovigilance ‘convergence of proof’ approach using data from a variety of sources and varied study designs. Careful appraisal of the totality of available evidence leads to the conclusion that long-term PPI utilization increases 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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,001 |
| 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 ».