Hospital‐related morbidity among childhood cancer survivors in British Columbia, Canada: Report of the childhood, adolescent, young adult cancer survivors (CAYACS) program
Notice bibliographique
Résumé
Our study examines inpatient, hospital-related morbidity in a geographically-defined cohort of long-term cancer survivors diagnosed before age 20 years in the province of British Columbia (BC), Canada. A total of 1374 survivors diagnosed from 1981 to 1995 surviving at least 5-years postdiagnosis, and a matched sample of 13,740 BC residents, were identified from population registers, and linked to provincial hospitalization records from 1986 to 2000. Logistic regression was used to assess relative risk and effect of sociodemographic, clinical, and temporal factors on risk. Approximately 41% of survivors vs. 17% of the population sample had at least one type of hospitalization-related late morbidity in the observation period (adjusted RR 4.1, 95% CI 3.7-4.5). Those at highest risk were survivors of leukemia (RR 4.8, 95% CI 4.0-5.8), central nervous system tumors (RR 4.8, 95% CI 4.0-5.8), bone and soft tissue sarcomas (RR 4.9, 95% CI 3.8-6.2), and kidney cancer (RR 4.9, 95% CI 3.4-7.0). Adjusted relative risk was elevated for all types of morbidity except pregnancy and birth complications, and highest for neoplasms (including second primary cancers) (RR 21.7, 95% CI 16.3-28.7). Morbidity was elevated for all combinations of primary treatment and highest for those with previous radiation, chemotherapy, and surgery (RR 7.1, 95% CI 5.5-9.0). Over time, morbidity for late effects other than neoplasms became more prevalent. These results suggest that survivors are at increased ongoing risk of many types of hospital-related late morbidity, implying that long-term monitoring for multiple health problems is warranted.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».