MétaCan
Menu
Retour à la cohorte
Enregistrement W1972484083 · doi:10.1034/j.1600-6143.2003.00118.x

Screening for Prostate, Breast and Colorectal Cancer in Renal Transplant Recipients

2003· article· en· W1972484083 sur OpenAlexaff
Bryce Kiberd, Tammy Keough-Ryan, Catherine M. Clase

Notice bibliographique

RevueAmerican Journal of Transplantation · 2003
Typearticle
Langueen
DomaineMedicine
ThématiqueViral-associated cancers and disorders
Établissements canadiensMcMaster UniversityDalhousie University
Organismes subventionnairesnon disponible
Mots-clésMedicinePopulationProstate cancerTransplantationColorectal cancerLife expectancyIncidence (geometry)Breast cancerDialysisCancerInternal medicineDiseaseOncologyIntensive care medicineEnvironmental health

Résumé

récupéré en direct d'OpenAlex

American Society of Transplantation guidelines recommend screening renal transplant recipients for breast, colorectal and prostate cancer. However there is a lack of evidence to support this practice. Computer simulation modeling was used to estimate the years of life lost as a result of these cancers in 50-year-old renal transplant recipients and subjects in the general population. Renal transplant recipients lost fewer years of life to cancer than people in the general population largely because of reduced life expectancy. In nondiabetic transplant recipients, loss of life as a result of these cancers was comparable with that in the general population only under assumptions of increased cancer incidence and cancer-specific mortality risks. Even with two-fold higher cancer incidence and disease-specific mortality risks, diabetic transplant recipients lost considerably fewer life years to cancer than those in the general population. Recommended cancer screening for the general population may not yield the expected benefits in the average renal transplant recipient but the benefits will be considerably higher than for patients on dialysis. Transplanted patients at above-average cancer risk in good health may achieve the benefits of screening that are seen in the general population.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,036

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,009
Tête enseignante GPT0,270
Écart entre enseignants0,262 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations81
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAmerican Journal of TransplantationMême sujetViral-associated cancers and disordersTravaux en français237 207