Smoking Is the Most Significant Modifiable Lung Cancer Risk Factor in Systemic Lupus Erythematosus
Notice bibliographique
Résumé
OBJECTIVE: To assess lung cancer risk in systemic lupus erythematosus (SLE), relative to demographics, drug exposures, smoking, and disease activity. METHODS: We analyzed data from 14 SLE cohorts. We calculated adjusted HR estimates for lung cancer in SLE, relative to demographics, smoking, time-dependent medication exposures, and cumulative disease activity [mean adjusted SLE Disease Activity Index (SLEDAI) scores]. This project was approved by the ethics boards of all participating institutions, including the Institutional Review Board of the McGill University Health Centre. The ethics approval number for the Cancer Risk study is GEN-06-031. RESULTS: Within these 14 SLE cohorts, 49 incident lung cancers occurred. Among lung cancer cases, 59.0% were in the highest SLEDAI quartile at baseline versus 40.8% of lung cancer-free SLE controls. The vast majority (84.2%) of SLE lung cancer cases were ever-smokers at baseline, versus 40.1% of those without lung cancer. In adjusted models, the principal factors associated with lung cancer were ever smoking (at cohort entry) and current age. Estimated adjusted effects of all drugs were relatively imprecise, but did not point toward any drug exposures as strong lung cancer risk factors. CONCLUSION: We saw no clear evidence for drugs as a trigger for lung cancer risk in SLE, although drug risk estimates were relatively imprecise. Smoking may be the most significant modifiable lung cancer risk factor in SLE.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».