A Primer on How to Critically Read an Observational Study on Adverse Medical Outcomes Associated With Long-Term Antidepressant Drug Use
Notice bibliographique
Résumé
Whether long-term antidepressant use predisposes to or protects against adverse medical outcomes is unclear. In this context, a recent retrospective cohort study found that, for example, at a 10-year follow-up, selective serotonin reuptake inhibitors lowered the risk of diabetes mellitus and hypertension but raised the risk of cerebrovascular disease, cardiovascular mortality, and all-cause mortality. The findings of this study were widely and uncritically covered in the lay and medical media with potential to adversely impact opinions about antidepressant treatment among patients, caregivers, and health care professionals. This article critically evaluates the study with a view to discuss its limitations and, more importantly, to arm the reader with skills to critically appraise other, similar studies. Concepts explained include confounding by indication, regression, and approaches to deal with confounding. Problems with the study identified and explained are incomplete adjustment for confounding, failure to correct for multiple hypothesis testing, the use of backward stepwise regression as a method of analysis, failure to consider reverse causation, and failure to remove death by suicide from analyses of all-cause mortality. Other limitations of the study are also discussed. A take-home message is that it is well established that depression is associated with substantial disability and risk of suicide and that antidepressant drugs treat depression and prevent relapse and recurrence; in contrast, no causal role for antidepressants in long-term adverse medical outcomes is established. Therefore, known long-term benefits with antidepressants must be weighed against unproven predispositions to long-term medical adverse effects in shared decision-making processes.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,126 | 0,456 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,002 |
| Méta-épidémiologie (sens large) | 0,006 | 0,006 |
| Bibliométrie | 0,008 | 0,004 |
| Études des sciences et des technologies | 0,005 | 0,020 |
| Communication savante | 0,020 | 0,030 |
| Science ouverte | 0,012 | 0,010 |
| Intégrité de la recherche | 0,034 | 0,071 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,012 |
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 source (Gemma direct ou Codex distillé), 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 ».