Medication Exposure and Neurodegenerative Disease Risk Across National Biobanks
Notice bibliographique
Résumé
Abstract Advanced age, genetics, and environmental exposures are leading contributors to the development of neurodegenerative disorders (NDD). In this study, we used data from the UK Biobank (UKB) and the All of Us (AoU) initiative to determine if exposure to specific medications are associated with an increased or decreased risk of NDD, including Alzheimer’s (AD), Parkinson’s disease (PD), and all-cause dementia (DEM). We investigated the associations between these diseases and prescription drug exposures through an unbiased analysis, assessing both lifetime risk and risk from exposures occurring more than ten years before diagnosis, while also accounting for comorbid conditions. Methods Cox proportional hazard models were used to evaluate both lifetime and ten-year lag-associated risks of developing a NDD following exposure to specific prescription medications. This analysis followed a two-stage design, incorporating separate discovery and replication cohorts sourced from national-scale biobanks. Findings We pulled data from over 700,000 health records from individuals of European ancestry to survey a total of 480 prescription medication exposures. After multiple test corrections, we found 241 significant associations between medication exposure and risk of NDDs in our discovery cohort, with 157 of these replicated in an independent dataset. After adjusting for potential comorbidities, 15 medication-NDD associations remained significant, some of which were attenuated after accounting for APOE -ε4 status. Most of these significant pairings were associated with increased risk, however, two antibiotics, one proton pump inhibitor, and one statin had replicated effects inversely associated with disease risk. Interpretation While correlation does not imply causation and some associations may be driven by medications used to treat prodromal stages of disease, we have utilized large, unbiased datasets to identify and replicate associations between commonly prescribed medications and NDD risk. Additional longitudinal and mechanistic investigations are warranted.
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 | 0,012 | 0,039 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».