MétaCan
Menu
Retour à la cohorte
Enregistrement W4289856294 · doi:10.1186/s12916-022-02442-w

Medication use and risk of amyotrophic lateral sclerosis—a systematic review

2022· review· en· W4289856294 sur OpenAlexaboutno aff
Can Cui, Jiangwei Sun, Kyla A. McKay, Caroline Ingre, Fang Fang

Notice bibliographique

RevueBMC Medicine · 2022
Typereview
Langueen
DomaineMedicine
ThématiqueAmyotrophic Lateral Sclerosis Research
Établissements canadiensnon disponible
Organismes subventionnairesH2020 European Research CouncilVetenskapsrådetKarolinska InstitutetCenters for Disease Control and PreventionEU Joint Programme – Neurodegenerative Disease Research
Mots-clésMedicineMEDLINEObservational studySystematic reviewIntensive care medicineClinical study designClinical trialInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Studying whether medications act as potential risk factors for amyotrophic lateral sclerosis (ALS) can contribute to the understanding of disease etiology as well as the identification of novel therapeutic targets. Therefore, we conducted a systematic review to summarize the existing evidence on the association between medication use and the subsequent ALS risk. METHODS: A systematic review was conducted in Medline, Embase, and Web of Science from the date of database establishment to December 10, 2021. References of identified articles were further searched for additional relevant articles. Studies were included if (1) published in English, (2) explored medication use as exposure and development of ALS as outcome, and (3) the design was a human observational study. Clinical trials, reviews, comments, editorials, and case reports were excluded. Quality assessment was performed using a pre-validated tool for non-randomized studies, the Newcastle-Ottawa Assessment Scale (NOS). RESULTS: Of the 4760 studies identified, 25 articles, including 13 case-control studies, five nested case-control studies, six cohort studies, and one retrospective chart review, were included in the review. Among these studies, there were 22 distinct study populations that included 171,407 patients with ALS, seven classes of medication examined, and 23 studies with a NOS ≥ 5. There was a general lack of agreement between studies on the associations of cholesterol-lowering drugs, anti-inflammatory drugs, immunosuppressants, antibiotics, oral contraceptives (OCs) or hormone replacement therapy (HRT), antihypertensive drugs, antidiabetics, and drugs for psychiatric and neurological disorders with the subsequent risk of ALS. However, it appeared that statins, aspirin, OCs/HRT, antihypertensives, and antidiabetics were unlikely related to a higher risk of ALS. The positive associations noted for antibiotics, antidepressants, and skeletal muscle relaxants might be attributable to prodromal symptoms of ALS. CONCLUSIONS: There is currently no strong evidence to link any medication use with ALS risk.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,026
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,032

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,026
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0070,007
Bibliométrie0,0090,011
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,204
Tête enseignante GPT0,377
Écart entre enseignants0,173 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations13
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMC MedicineMême sujetAmyotrophic Lateral Sclerosis ResearchTravaux en français237 207