A population-based study on the association between urinary calculi and kidney cancer
Notice bibliographique
Résumé
BACKGROUND: Using a nationwide population-based dataset and case-control study design, we investigate the association between urinary calculi (UC) and kidney cancer (KC) in Taiwan. METHODS: The data for this case-control study were sourced from the Taiwan National Health Insurance program. The cases included 1308 incident patients pathologically diagnosed with KC. This study also used 6540 randomly selected subjects as controls. Conditional logistic regression was used to examine the associations between KC and patients previously diagnosed with UC. RESULTS: Of the sampled patients, 1262 (16.1 %) had previously been diagnosed with UC; 415 (31.7 % of the patients with KC) and 847 controls (13.0 % of patients without KC). After adjusting for monthly income, geographic location, urbanization level, hypertension, diabetes, renal disease, obesity, cystic kidney disease, tobacco use disorder, and alcohol abuse, we found that patients with KC were likely to have been previously diagnosed with UC than controls (odds ratio [OR] 3.18, 95% confidence interval [CI] 2.75-3.68, p < 0.001). In addition, the magnitude of the observed associations were stronger among females (females OR 3.59; 95% CI 2.87-4.48 vs. males OR 2.93, 95% CI 2.42-3.55) and transitional cell carcinoma patients (transitional cell carcinoma, OR 3.96; 95% CI 3.23-4.86 vs. renal cell carcinoma OR 2.76, 95% CI 2.31-3.29). CONCLUSIONS: We conclude that there is an association between KC and prior UC, especially in females and patients with transitional cell carcinoma.
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 | 0,002 |
| 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 | 0,001 |
| 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 ».