A systematic review of the incidence and prevalence of cancer in multiple sclerosis
Notice bibliographique
Résumé
BACKGROUND: Studies of cancer incidence and prevalence in multiple sclerosis (MS) have produced conflicting results. OBJECTIVE: To estimate the incidence and prevalence of cancer in persons with MS and review the quality of included studies. METHODS: We searched the PUBMED, SCOPUS, Web of Knowledge, and EMBASE databases, conference proceedings, and reference lists of all articles retrieved. Abstracts were screened for relevance by two reviewers. Data from included articles were captured using a standardized form, and the abstraction was verified by a second reviewer. We assessed quality of the included studies. We quantitatively assessed studies using the I (2) statistic, and conducted meta-analyses for population-based studies. RESULTS: We identified 38 studies. Estimates for incidence and prevalence varied substantially for most cancers. In population-based studies, cervical, breast, and digestive cancers had the highest incidence. The risk of meningiomas and urinary system cancers appeared higher than expected, while the risks of pancreatic, ovarian, prostate and testicular cancer were lower than expected. CONCLUSION: The complexity of understanding cancer risk in MS is augmented by inconsistencies in study design, and the relative paucity of age, sex and ethnicity-specific risk estimates from which the strong impact of age on the incidence of cancers can be assessed.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,010 | 0,048 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,010 | 0,007 |
| Bibliométrie | 0,016 | 0,017 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».