Répondre à Young et al

Au rédacteur-Nous remercions Young et ses collègues pour leur intérêt pour notre article Nous abordons les questions soulevées dans cette réponse. Les auteurs déclarent que le risque doit être modélisé en fonction de l’exposition cumulative plutôt que de l’exposition actuelle. pour affecter le risque cardiovasculaire Cela a été trouvé dans d’autres classes de médicaments, par exemple, le risque accru d’infarctus aigu du myocarde immédiatement après l’exposition au célécoxib et la réduction rapide du risque suite à l’utilisation de statines . L’exposition récente ou cumulative est une question importante Nous avons exploré le risque de l’exposition cumulative en tant qu’analyse secondaire et cela n’a pas contredit les résultats de notre analyse primaire. Les auteurs suggèrent que nous n’avons pas utilisé les analyses de sensibilité recommandées par Cole et Hernan. nos poids structurels marginaux excluent la dyslipidémie, la lipodystrophie et les valeurs antérieures de CD et de charge virale. Différents schémas de pondération ont eu peu d’impact sur les résultats, bien que la stabilité des poids ait varié. Notre schéma de pondération finale incluait la charge virale et le nombre de CD au cours de la période précédente. Les auteurs affirment qu’un nombre excessif de variables d’ajustement ont rendu les estimations de nos modèles Cox trop précises et gonflées et que des modèles hiérarchiques auraient dû être pris en compte dans des analyses secondaires pour évaluer la sensibilité des choix de modèles. Le nombre de termes a eu peu d’effet sur les estimations gonflées ou sous-estimées les erreurs types. Nous sommes d’avis que des outils autres que les modèles Cox sont potentiellement utiles, mais nous avons répondu aux préoccupations des auteurs via extensiv Les auteurs suggèrent que nous n’avons pas considéré d’autres modèles d’imputation multiple Nous avons utilisé l’approche de modélisation conjointe plutôt que l’approche de la spécification entièrement conditionnelle pour les imputations multiples Nous avons présenté des résultats basés sur le modèle d’imputation le plus inclusif. , un modèle d’imputation plus inclusif produira des estimations moins biaisées et plus efficaces dans un mécanisme donné de données manquantes. Nous n’avons pas rapporté toutes les analyses de sensibilité, mais nous nous sommes concentrés sur celles qui intéressaient le plus le lecteur. Nous avons décrit ces différences et fourni notre justification pour nous baser sur les modèles structurels marginaux. Enfin, les auteurs suggèrent que la fourniture de code pourrait potentiellement encourager la pensée irréfléchie. mise en œuvre de nos méthodes Nous avons fait notre code disponible pour assurer la transparence Comme pour toute étude, l’utilisation du code développé par d’autres nécessite un examen attentif de ses fondements méthodologiques

Remarque

Conflits d’intérêts potentiels Tous les auteurs: Aucun conflit d’intérêt potentielTous les auteurs ont soumis le formulaire ICMJE pour la divulgation des conflits d’intérêts potentiels Conflits que les éditeurs jugent pertinents pour le contenu du manuscrit ont été divulgués