Estimating the impact of early hepatitis C virus clearance on hepatocellular carcinoma risk
Notice bibliographique
Résumé
Although achieving sustained virological response (SVR) through antiviral therapy could reduce the risk of hepatocellular carcinoma (HCC) attributable to hepatitis C virus (HCV) infection, the impact of early viral clearance on HCC is not well defined. In this study, we compared the risk of HCC among individuals who spontaneously cleared HCV (SC), the referent population, with the risk in untreated chronic HCV (UCHC), those achieved SVR, and those who failed interferon-based treatment (TF). The BC Hepatitis Testers Cohort (BC-HTC) includes individuals tested for HCV between 1990-2013, integrated with medical visits, hospitalizations, cancers, prescription drugs and mortality data. This analysis included all HCV-positive patients with at least one valid HCV RNA by PCR on or after HCV diagnosis. Of 46 666 HCV-infected individuals, there were 12 527 (26.8%) SC; 24 794 (53.1%) UCHC; 5355 (11.5%) SVR and 3990 (8.5%) TF. HCC incidence was lowest (0.3/1000 person-years (PY)) in the SC group and highest in the TF group (7.7/1000 PY). In a multivariable model, compared to SC, TF had the highest HCC risk (hazard ratio (HR):14.52, 95% confidence interval (CI): 9.83-21.47), followed by UCHC (HR: 5.85; 95% CI: 4.07-8.41). Earlier treatment-based viral clearance similar to SC could decrease HCC incidence by 69.4% (95% CI: 57.5-78.0), 30% (95% CI: 10.8-45.1) and 77.5% (95% CI: 69.4-83.5) among UCHC, SVR and TF patients, respectively. In conclusion, using SC as a real-world comparator group, it showed that substantial reduction in HCC risk could be achieved with earlier treatment initiation. These analyses should be replicated in patients who have been treated with direct acting antiviral therapies.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 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 ».