Assessing the impact of comorbid illnesses on death within 10 years in prostate cancer treatment candidates
Notice bibliographique
Résumé
BACKGROUND: Treatment choice in prostate cancer is influenced by pre-existing comorbid illnesses, but information about their individual prognostic impact is sparse, and only 1 comorbidity index has been developed for this setting. The authors assessed the impact of individual comorbid illnesses on the risk of early, other-cause death in prostate cancer treatment candidates and propose a modification of an existing comorbidity scale. METHODS: A population-based case-cohort study included patients diagnosed from 1990 through 1998 in Ontario, Canada who had planned curative radiotherapy or prostatectomy. The subcohort numbered 1643, and the case sample (those dying of other causes within 10 years) numbered 630. Ontario Cancer Registry data were linked to data from medical charts, including: age, comorbidity using the Cumulative Illness Rating Scale for Geriatrics (CIRS-G), stage, prostate-specific antigen, Gleason score, and treatment. Cox proportional hazards regression assessed the age-adjusted association between CIRS-G and other-cause death. RESULTS: Respiratory and cardiac diseases were the most common comorbidities and most strongly associated with an increased risk of death. Other important comorbidities included vascular disease, renal disease, and diabetes. The modified CIRS-G(pros) score yielded a relative risk (RR) of 1.64 (95% confidence interval [CI], 1.52-1.76) for those scoring 1 compared with 0 and RR 1.18 (95% CI, 1.15-1.21) for each increment above 1. Except for those aged >80 years, results were consistent across treatment type and age group. CONCLUSIONS: This study provides estimates of the role of individual comorbid illnesses in prostate cancer. The modified CIRS-G(pros) could be useful in the clinic and in future research on this patient 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 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 | 0,000 | 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 ».