MétaCan
Menu
Retour à la cohorte
Enregistrement W2788969885 · doi:10.1186/s12885-018-4142-y

Low-dose aspirin use and survival in colorectal cancer: results from a population-based cohort study

2018· article· en· W2788969885 sur OpenAlexfundno aff
Ronan T. Gray, Helen G. Coleman, Carmel Hughes, Liam Murray, Chris R. Cardwell

Notice bibliographique

RevueBMC Cancer · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueInflammatory mediators and NSAID effects
Établissements canadiensnon disponible
Organismes subventionnairesPublic Health AgencyQueen's University BelfastQueen's UniversityCancer Research UK
Mots-clésMedicineAspirinColorectal cancerInternal medicineHazard ratioCohortProportional hazards modelPopulationCohort studyOncologyCancer registryCancerConfidence interval

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Aspirin has been proposed as a novel adjuvant agent in colorectal cancer (CRC). Six observational studies have reported CRC-specific survival outcomes in patients using aspirin after CRC diagnosis but the results from these studies have been conflicting. Using a population-based cohort design this study aimed to assess if low-dose aspirin use after diagnosis reduced CRC-specific mortality. METHODS: A cohort of 8391 patients with Dukes' A-C CRC (2009-2012) was identified from the Scottish Cancer Registry and linked to national prescribing and death records. Adjusted hazard ratios (HRs) and 95% confidence intervals (CIs) for CRC-specific mortality were calculated using time-dependent Cox regression. RESULTS: There were 1064 CRC-specific deaths after a median follow-up of 3.6 years. Post-diagnostic low-dose aspirin use was not associated with a reduction in CRC-specific mortality either before or after adjustment for confounders (adjusted HR = 1.17, 95% CI 1.00-1.36). In sensitivity analysis pre-diagnostic low-dose aspirin was also not associated with reduced CRC-specific mortality (adjusted HR = 0.96, 95% CI 0.88-1.05). CONCLUSION: Low-dose aspirin use, either before or after diagnosis, did not prolong survival in this population-based CRC cohort.

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)0,002
score de la tête « metaresearch » (Gemma)0,004
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: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,024
Tête enseignante GPT0,305
Écart entre enseignants0,281 · 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

Citations37
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMC CancerMême sujetInflammatory mediators and NSAID effectsTravaux en français237 207