The Epidemiology of Colectomy in Ulcerative Colitis: Results From a Population-Based Cohort
Notice bibliographique
Résumé
OBJECTIVES: Previous studies have reported colectomy rates of over 50% in ulcerative colitis (UC), although changes in management may have influenced the rates of colectomy in the modern era. We sought to determine the incidence of colectomy in UC and identify risk factors associated with early colectomy (EC) and late colectomy (LC). METHODS: We used the University of Manitoba Inflammatory Bowel Disease Epidemiology Database, a population-based data set including UC patients with up to 25 years of post diagnosis follow-up. We tracked the occurrence of total colectomy in all patients with known UC, subdivided into EC (≤90 days from diagnosis date) and LC (>90 days from diagnosis). Survival curves were created and stratified by age, sex, era of diagnosis, and inpatient/hospital diagnosis. Cox proportional hazards modeling was used to determine which risk factors were predictive of either EC or LC. RESULTS: Among 3,752 patients with UC, 367 underwent colectomy. The 5-, 10- and 20-year actuarial risk of requiring colectomy was 7.5%, 10.4%, and 14.8%, respectively. Male sex (hazard ratio (HR): 2.63, [corrected] 95% confidence interval (CI): 1.58-4.36) and being initially diagnosed during a hospitalization (HR: 12.46, 95% CI: 7.40-21.0) were predictive of EC after adjustment for confounders. In-hospital diagnosis was predictive of LC, whereas being diagnosed more recently was protective against LC (HR: 0.96, 95% CI: 0.93-0.98). CONCLUSIONS: The cumulative incidence of colectomy in UC is lower than previously reported, and appears to be decreasing further among more recently diagnosed cohorts of patients. Male sex and hospitalization at the time of diagnosis are major risk factors for EC and LC.
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 | 0,002 | 0,001 |
| 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 | 0,001 |
| 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) | 0,000 | 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 ».