Relationship between paediatric CT scans and subsequent risk of leukaemia and brain tumours: assessment of the impact of underlying conditions
Notice bibliographique
Résumé
BACKGROUND: We previously reported evidence of a dose-response relationship between ionising-radiation exposure from paediatric computed tomography (CT) scans and the risk of leukaemia and brain tumours in a large UK cohort. Underlying unreported conditions could have introduced bias into these findings. METHODS: We collected and reviewed additional clinical information from radiology information systems (RIS) databases, underlying cause of death and pathology reports. We conducted sensitivity analyses excluding participants with cancer-predisposing conditions or previous unreported cancers and compared the dose-response analyses with our original results. RESULTS: We obtained information from the RIS and death certificates for about 40% of the cohort (n∼180 000) and found cancer-predisposing conditions in 4 out of 74 leukaemia/myelodysplastic syndrome (MDS) cases and 13 out of 135 brain tumour cases. As these conditions were unrelated to CT exposure, exclusion of these participants did not alter the dose-response relationships. We found evidence of previous unreported cancers in 2 leukaemia/MDS cases, 7 brain tumour cases and 232 in non-cases. These previous cancers were related to increased number of CTs. Exclusion of these cancers reduced the excess relative risk per mGy by 15% from 0.036 to 0.033 for leukaemia/MDS (P-trend=0.02) and by 30% from 0.023 to 0.016 (P-trend<0.0001) for brain tumours. When we included pathology reports we had additional clinical information for 90% of the cases. Additional exclusions from these reports further reduced the risk estimates, but this sensitivity analysis may have underestimated risks as reports were only available for cases. CONCLUSIONS: Although there was evidence of some bias in our original risk estimates, re-analysis of the cohort with additional clinical data still showed an increased cancer risk after low-dose radiation exposure from CT scans in young patients.
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 | 0,004 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».