MétaCan
Menu
Retour à la cohorte
Enregistrement W2395076114 · doi:10.1001/jamaoncol.2016.0732

Analysis of Body Mass Index and Mortality in Patients With Colorectal Cancer Using Causal Diagrams

2016· article· en· W2395076114 sur OpenAlexaff
Candyce H. Kroenke, Romain Neugebauer, Jeffrey A. Meyerhardt, Carla M. Prado, Erin Weltzien, Marilyn L. Kwan, Jingjie Xiao, Bette J. Caan

Notice bibliographique

RevueJAMA Oncology · 2016
Typearticle
Langueen
DomaineMedicine
ThématiqueCancer Risks and Factors
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNational Cancer InstituteNational Institutes of Health
Mots-clésMedicineUnderweightBody mass indexColorectal cancerPopulationHazard ratioRetrospective cohort studyInternal medicineCancerCohort studySurgeryOverweightConfidence interval

Résumé

récupéré en direct d'OpenAlex

IMPORTANCE: Physicians and investigators have sought to determine the relationship between body mass index (BMI [calculated as weight in kilograms divided by height in meters squared]) and colorectal cancer (CRC) outcomes, but methodologic limitations including sampling selection bias, reverse causality, and collider bias have prevented the ability to draw definitive conclusions. OBJECTIVE: To evaluate the association of BMI at the time of, and following, colorectal cancer (CRC) diagnosis with mortality in a complete population using causal diagrams. DESIGN, SETTING, AND PARTICIPANTS: This retrospective observational study with prospectively collected data included a cohort of 3408 men and women, ages 18 to 80 years, from the Kaiser Permanente Northern California population, who were diagnosed with stage I to III CRC between 2006 and 2011 and who also had surgery. EXPOSURES: Body mass index at diagnosis and 15 months following diagnosis. MAIN OUTCOMES AND MEASURES: Hazard ratios (HRs) for all-cause mortality and CRC-specific mortality compared with normal-weight patients, adjusted for sociodemographics, disease severity, treatment, and prediagnosis BMI. RESULTS: This study investigated a cohort of 3408 men and women ages 18 to 80 years diagnosed with stage I to III CRC between 2006 and 2011 who also had surgery. At-diagnosis BMI was associated with all-cause mortality in a nonlinear fashion, with patients who were underweight (BMI <18.5; HR, 2.65; 95% CI, 1.63-4.31) and patients who were class II or III obese (BMI ≥35; HR, 1.33; 95% CI, 0.89-1.98) exhibiting elevated mortality risks, compared with patients who were low-normal weight (BMI 18.5 to <23). In contrast, patients who were high-normal weight (BMI 23 to <25; HR, 0.77; 95% CI, 0.56-1.06), low-overweight (BMI 25 to <28; HR, 0.75; 95% CI, 0.55-1.04), and high-overweight (BMI 28 to <30; HR, 0.52; 95% CI, 0.35-0.77) had lower mortality risks, and patients who were class I obese (BMI 30 to <35) showed no difference in risk. Spline analysis confirmed a U-shaped relationship in participants with lowest mortality at a BMI of 28. Associations with CRC-specific mortality were similar. Associations of postdiagnosis BMI and mortality were also similar, but patients who were class I obese had significantly lower all-cause and cancer-specific mortality risks. CONCLUSIONS AND RELEVANCE: In this study, body mass index at the time of diagnosis and following diagnosis of CRC was associated with mortality risk. Though evidence shows that exercise in patients with cancer should be encouraged, findings suggest that recommendations for weight loss in the immediate postdiagnosis period among patients with CRC who are overweight may be unwarranted.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,030
score de la tête « metaresearch » (Gemma)0,141
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,030
Score d'incertitude au seuil0,159

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0300,141
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,004
Bibliométrie0,0090,005
Études des sciences et des technologies0,0010,001
Communication savante0,0020,003
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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.

Tête enseignante Opus0,019
Tête enseignante GPT0,332
Écart entre enseignants0,313 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations184
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJAMA OncologyMême sujetCancer Risks and FactorsTravaux en français237 207