The Prevalent New-user Design for Studies With no Active Comparator: The Example of Statins and Cancer
Notice bibliographique
Résumé
BACKGROUND: Observational studies evaluating the effect of a drug versus "non-use" are challenging, mainly when defining cohort entry for non-users. The approach using successive monthly cohorts to emulate the randomized trial can be perceived as somewhat opaque and complex. Alternatively, the prevalent new-user design can provide a potentially simpler more transparent emulation. This design is illustrated in the context of statins and cancer incidence. METHODS: We used the Clinical Practice Research Datalink to identify a cohort of subjects with low-density lipoprotein cholesterol level <5 mmol/L. We used a prevalent new-user design, matching each statin initiator to a non-user from the same time-based exposure set on time-conditional propensity scores with all subjects followed for 10 years for cancer incidence. We estimated the hazard ratio and 95% confidence interval (CI) of cancer incidence with statin use versus non-use using a Cox proportional hazards model, and the results were compared with those using the method of successive monthly cohorts. RESULTS: The study cohort included 182,073 statin initiators and 182,073 matched non-users. The hazard ratio of any cancer after statin initiation versus non-use was 1.01 (95% CI = 0.98, 1.04), compared with 1.04 (95% CI = 1.02, 1.06) under the successive monthly cohorts approach. We estimated similar effects for specific cancers. CONCLUSION: Using the prevalent new-user design to emulate a randomized trial when compared to "non-use" led to results comparable with the more complex successive monthly cohorts approach. The prevalent new-user design emulates the trial in a potentially more intuitive and palpable manner, providing simpler data presentations in line with those portrayed in a classical trial while producing comparable results.
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 | 0,281 | 0,368 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,008 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,004 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,004 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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 ».