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 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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».