Detection Bias and Overestimation of Bladder Cancer Risk in Type 2 Diabetes
Notice bibliographique
Résumé
OBJECTIVE: To investigate whether the risk of bladder cancer in individuals with newly diagnosed type 2 diabetes is influenced by the frequency of physician visits before diagnosis as a measure of detection bias. RESEARCH DESIGN AND METHODS: With the use of linked administrative databases from 1996 to 2006, we established a cohort of 185,100 adults from British Columbia, Canada, with incident type 2 diabetes matched one to one with nondiabetic individuals on age, sex, and index date. Incidence rates and adjusted hazard ratios (aHRs) for bladder cancer were calculated during annual time windows following the index date. Analyses were stratified by number of physician visits in the 2 years before diabetes diagnosis and adjusted for age, sex, year of cohort entry, and socioeconomic status. RESULTS: The study population was 54% men and had an average age of 60.7±13.5 years; 1,171 new bladder cancers were diagnosed over a median follow-up of 4 years. In the first year after diabetes diagnosis, bladder cancer incidence in the diabetic cohort was 85.3 (95% CI 72.0-100.4) per 100,000 person-years and 66.1 (54.5-79.4) in the control cohort (aHR 1.30 [1.02-1.67], P=0.03). This first-year increased bladder cancer risk was limited to those with the fewest physician visits 2 years before the index date (≤12 visits, aHR 2.14 [1.29-3.55], P=0.003). After the first year, type 2 diabetes was not associated with bladder cancer. CONCLUSIONS: The results suggest that early detection bias may account for an overestimation in previously reported increased risks of bladder cancer associated with type 2 diabetes.
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) | 0,000 | 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 ».