Second Malignant Neoplasms in Five-Year Survivors of Childhood Cancer: Childhood Cancer Survivor Study
Notice bibliographique
Résumé
BACKGROUND: Because survival rates among childhood cancer patients are increasing, assessing the risk of second and subsequent malignant neoplasms (SMNs) is ever more important. Using the Childhood Cancer Survivor Study cohort, we identified the risk of SMNS: METHODS: A retrospective cohort of 13 581 children diagnosed with common cancers before age 21 years and surviving at least 5 years was constructed with the use of data from patients treated at 25 U.S. and Canadian institutions. SMNs were ascertained through self-administered questionnaires and verified by pathology reports. Information on therapeutic exposures was abstracted from medical records. The risk of SMN was evaluated by standardized incidence ratios (SIRs) and excess absolute risk. Poisson multiple regression models were used to assess the impact of host and therapy factors on the risk of developing SMNS: All statistical tests were two-sided. RESULTS: In 298 individuals, 314 SMNs were identified (SIR = 6.38; 95% confidence interval [CI] = 5.69 to 7.13). The largest observed excess SMNs were bone and breast cancers (SIR = 19.14 [95% CI = 12.72 to 27.67] and SIR = 16.18 [95% CI = 12.35 to 20.83], respectively). A statistically significant excess of SMNs followed all childhood cancers. In multivariate regression models adjusted for therapeutic radiation exposure, SMNs of any type were independently associated with female sex (P<.001), childhood cancer at a younger age (P for trend <.001), childhood Hodgkin's disease or soft-tissue sarcoma (P<.001 and P =.01, respectively), and exposure to alkylating agents (P for trend =.02). Twenty years after the childhood cancer diagnosis, the cumulative estimated SMN incidence was 3.2%. However, only 1.88 excess malignancies occurred per 1000 years of patient follow-up. CONCLUSIONS: Success in treating children with cancer should not be overshadowed by the incidence of SMNS: However, patients and health-care providers must be aware of risk factors for SMNs so that surveillance is focused and early prevention strategies are implemented.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 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 ».