Trends in hepatocellular carcinoma incidence and survival among people with hepatitis C: An international study
Notice bibliographique
Résumé
This study evaluates trends in hepatitis C virus (HCV)-related hepatocellular carcinoma (HCC) incidence and survival in three settings, prior to introduction of direct-acting antiviral (DAA) therapies. HCV notifications from British Columbia (BC), Canada; New South Wales (NSW), Australia; and Scotland (1995-2011/2012/2013, respectively) were linked to HCC diagnosis data via hospital admissions (2001-2012/2013/2014, respectively) and mortality (1995-2013/2014/2015, respectively). Age-standardized HCC incidence rates were evaluated, associated factors were assessed using Cox regression, and median survival time after HCC diagnosis was calculated. Among 58 487, 84 529 and 31 924 people with HCV in BC, NSW and Scotland, 734 (1.3%), 1045 (1.2%) and 345 (1.1%) had an HCC diagnosis. Since mid-2000s, HCC diagnosis numbers increased in all jurisdictions. Age-standardized HCC incidence rates remained stable in BC and Scotland and increased in NSW. The strongest predictor of HCC diagnosis was older age [birth <1945, aHR in BC 5.74, 95% CI 4.84, 6.82; NSW 9.26, 95% CI 7.93, 10.82; Scotland 12.55, 95% CI 9.19, 17.15]. Median survival after HCC diagnosis remained stable in BC (0.8 years in 2001-2006 and 2007-2011) and NSW (0.9 years in 2001-2006 and 2007-2013) and improved in Scotland (0.7 years in 2001-2006 to 1.5 years in 2007-2014). Across the settings, HCC burden increased, individual-level risk of HCC remained stable or increased, and HCC survival remained extremely low. These findings highlight the minimal impact of HCC prevention and management strategies during the interferon-based HCV treatment era and form the basis for evaluating the impact of DAA therapy in the coming years.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».