Risk of Heart Failure-related Events in Patients Exposed to Medical Cannabis: A Longitudinal Cohort Study
Notice bibliographique
Résumé
Objective: This study examined the association between the authorized prescription of cannabis and heart failure (HF) events. Study design: We conducted a retrospective cohort study of patients who received an authorized prescription of cannabis in Ontario cannabis clinics between 2014-2019 and controls selected from the general population of Ontario. Methods: Ontario's health administrative data and clinical data from the cannabis clinics were used. Inverse probability of treatment weights based on propensity scores were used to minimize confounding between cannabis exposure and the study outcomes. Weighted Cox proportional hazards regressions measured the association between exposure to cannabis and ED/hospitalization for HF (primary outcome), and a secondary outcome that extended the primary outcome by including physician claims for HF. Results: Among 54,006 patients exposed to cannabis and 161,265 controls, 39% were aged ≤ 50 years, and 55% were female. For the primary outcome, incidence rates for ED visits/hospitalization due to HF were 5.87/1000 person-years (95%CI: 5.72-6.03) in the cannabis group and 5.14/1000 person-years (5.05-5.22) in the control group.Patients exposed to cannabis had a higher risk for the primary outcome with a hazard ratio of 1.15 (95%CI: 1.06-1.25). For the secondary outcome, incidence rates were 18.99 (95% CI: 18.55-19.44) in the cannabis group and 16.69 (95% CI: 16.46-16.93) for controls; with a hazard ratio of 1.13 (95% CI: 1.08-1.19). Conclusions: The results suggest a higher risk of heart failure-related events, including emergency department visits, hospitalizations, and outpatient consultations, among patients who were authorized cannabis for medical purposes.
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 | 0,005 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».