Smoking, Binge Drinking, and Drug Use Among Childhood Cancer Survivors: A Meta‐Analysis
Notice bibliographique
Résumé
INTRODUCTION: Childhood cancer survivors are at risk for late effects of therapy, some of which may be exacerbated by smoking, alcohol, or drug use. We undertook a meta-analysis of the literature to determine whether survivors engage in risk-taking behaviors at rates different from their peers/siblings. METHODS: Studies comparing current engagement in risk-taking behaviors between cancer survivors and siblings or matched peers were identified in MEDLINE (1946-), EMBASE (1947-), PsychINFO (1806-), and the Cochrane Controlled Trials Register. Two reviewers assessed publications for inclusion and extracted data independently. Studies were combined using inverse variance weighting to determine odds ratios (OR) and prevalence rates of risk-taking behaviors in survivors compared to controls. RESULTS: Fourteen of 1,713 studies satisfied inclusion criteria. Twelve assessed smoking, six binge drinking, and seven drug use. Among survivors, 22% (95% confidence interval 0.19, 0.26) smoked, 20% (0.08, 0.51) were binge drinkers, and 15% (0.10, 0.23) used drugs. Survivors were less likely than siblings to smoke (OR 0.68 [0.49, 0.96]) or binge drink (OR 0.77 [0.68, 0.88]), but similarly likely to use drugs (OR 0.33 [0.03, 3.28]). Survivors were less likely than matched peers to smoke (OR 0.54 [0.42, 0.70]) or use drugs (OR 0.57 [0.40, 0.82]), but equally likely to binge drink (OR 0.97 [0.38, 2.49]). CONCLUSIONS: Childhood cancer survivors engage in similar or lower rates of risk taking than their siblings/peers. Future studies should identify survivors most likely to benefit from focused interventions, and determine the impact of risk-taking behaviors on the risk for late effects of cancer therapy.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,011 | 0,006 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».