The Association between Statin Medication and Progression after Surgery for Localized Renal Cell Carcinoma
Notice bibliographique
Résumé
PURPOSE: Evidence suggests that statins may influence pathways of renal cell carcinoma proliferation, although to our knowledge no study has examined the influence of statin medications on the progression of renal cell carcinoma in humans. MATERIALS AND METHODS: We identified 2,608 patients with localized renal cell carcinoma who were treated surgically between 1995 and 2010 at our tertiary referral center. Competing risks Cox proportional hazards models were used to evaluate the relationship between statin use and time to local recurrence or progression (metastases or death from renal cell carcinoma) and overall survival. Statin use was modeled as a time dependent covariate as a sensitivity analysis. Models were adjusted for clinical and demographic features. RESULTS: Of 2,608 patients 699 (27%) were statin users at surgery. Statin users had similar pathological characteristics compared to nonusers. At a median followup of 36 months there were 247 progression events. Statin use was associated with a 33% reduction in the risk of progression after surgery (HR 0.67, 95% CI 0.47-0.96, p = 0.028) and an 11% reduction in overall mortality that was not significant (HR 0.89, 95% CI 0.71-1.13, p = 0.3). Modeling statin use as a time dependent covariate attenuated the risk reduction in progression to 23% (HR 0.77, p = 0.12) and augmented the risk reduction in overall survival (HR 0.71, p = 0.002). CONCLUSIONS: In our cohort statin use was associated with a reduced risk of progression and overall mortality, although this effect was sensitive to the method of analysis. If validated in other cohorts, this finding warrants consideration of prospective research on statins in the adjuvant setting.
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 | 0,000 |
| 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 ».