Auswahl der wissenschaftlichen Literatur zum Thema „Gour“

Heart failure (HF) and gout are common medical conditions that lead to significant morbidity and mortality in Canada and the US. We conducted a population-based nested case-control study to investigate the associations between gout, allopurinol use and HF outcomes using administrative data from the province of Quebec. Our analysis demonstrates that a history of gout is associated with increased HF readmission and death in HF patients (adjusted RR 1.63; 95% confidence interval (CI) 1.48-1.80). We also show that chronic allopurinol use, a common medication for gout, is associated with reductions in adverse outcomes in HF patients with a history of gout (adjusted RR 0.69, 95% CI 0.60-0.79). Due to the observational nature of our study, residual confounding due to unknown or unmeasured confounding could still bias our findings. Herein, we present a novel method to estimate and control for such confounding by estimating the confounding risk ratio during the null induction time. Use of this method is illustrated using an example from the literature and we discuss the assumptions, limitations and statistical considerations of our method.<br>L'insuffisance cardiaque (IC) et la goutte sont des conditions médicales fréquentes qui sont des causes importantes de morbidité et de mortalité au Canada et aux États-Unis. Nous avons entrepris une étude populationelle « case-control » avec des données administratives de la province du Québec pour investiguer l'association entre la goutte ou l'allopurinol avec le prognostic de l'IC. Notre analyse démontre qu'un antécedent de goutte est associé à une hausse du taux de réadmissions à l'hôpital pour l'IC et une augmentation de la mortalité parmi les patients avec IC (RR ajusté 1.63; 95% CI 1.48-1.80). Cependant, nous demontrons que la prise d'allopurinol est associée à une réduction de la réadmission à l'hôpital pour IC et une diminution de la mortalité (RR ajusté 0.69, 95% CI 0.60-0.79). Comme notre étude est observationelle, les facteurs confondants qui ne sont pas disponibles ou qui sont inconnus peuvent biaiser nos résultats. Nous présentons une nouvelle méthode qui permet l'estimation et le contrôle de ces facteurs confondants basée sur l'estimation du « confounding rate ratio ». Nous présentons un example utilisant cette nouvelle méthode, et nous discutons les suppositions, les limitations et les considérations statistiques de cette méthode.