Effect of socioeconomic status on hepatocellular carcinoma incidence and stage at diagnosis, a population‐based cohort study
Notice bibliographique
Résumé
BACKGROUND & AIMS: Hepatocellular carcinoma (HCC) incidence is increasing worldwide and cirrhosis is the most important risk factor predominantly caused by chronic viral hepatitis infection. We studied the impact of socioeconomic status (SES) on HCC incidence and stage at diagnosis among viral hepatitis cases. METHODS: A population-based retrospective cohort study was conducted through the Ontario Cancer Registry linked data. Incidence rates were calculated using person-time methodology. Association between SES (income quintile) and HCC incidence was assessed using proportional-hazards regression. The impact of SES on HCC stage was investigated using logistic regression. RESULTS: Among 11 350 individuals diagnosed with viral hepatitis between 1991 and 2010, a crude HCC incidence rate of 21.4 cases per 1000 person-years was observed. Adjusting for age, gender, urban/rural residence and year of viral hepatitis diagnosis, a significant association was found between SES and HCC incidence, with an increased risk among individuals in the lowest three income quintiles (incidence rate ratio, IRR = 1.235; 95% CI: 1.074-1.420; IRR = 1.183; 95% CI: 1.026-1.364; IRR = 1.158; 95% CI: 1.000-1.340 respectively). No significant association between SES and HCC incidence was found after additionally adjusting for risk factors associated with HCC. However, HCC risk factors such as cirrhosis and HIV are associated with SES. Furthermore, no association was found between SES and HCC stage. CONCLUSIONS: The association between SES and HCC incidence is likely because of differences in risk factors across income quintiles. Investigating how SES affects HCC incidence facilitates an understanding of which populations are at elevated risk for HCC.
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 | 0,000 |
| 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) | 0,001 | 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 ».