Cancer risk in children and young adults born preterm: A systematic review and meta-analysis
Notice bibliographique
Résumé
INTRODUCTION: Risk of developing a malignancy when born premature is unknown. We hypothesised that risk of certain cancers might be increased in youth born preterm versus term. We therefore performed a systematic review and meta-analysis to evaluate the incidence of malignancy in the context of preterm birth, according to various cancer types. METHODS: The study was designed per MOOSE and PRISMA guidelines. Articles were identified through November 2015. Observational studies exploring the association between childhood malignancy and birth characteristics were included. Of the 1658 records identified, 109 full text articles were evaluated for eligibility. Random effects meta-analyses were conducted on 10/26 studies retained; 95% confidence intervals were computed and adjusted following sensitivity analysis. Publication bias was evaluated using funnel plots, Begg's and Egger's tests. RESULTS: No differences in risk of primary central nervous system tumor [OR 1.05; 95% CI 0.93-1.17, 5 studies, 580 cases] and neuroblastoma [OR 1.09; 95% CI 0.90-1.32, 5 studies, 211 cases] were observed in individuals born <37 versus ≥37 weeks' gestation. Preterm birth was consistently associated with hepatoblastoma [ORs 3.12 (95% CI 2.32-4.20), 1.52 (95% CI 1.1-2.1), 1.82 (95% CI 1.01-3.26), and 2.65 (95% CI 1.98-3.55)], but not leukemia, astrocytoma, ependymoma, medulloblastoma, lymphoma, nephroblastoma, rhabdomyosarcoma, retinoblastoma or thyroid cancer. CONCLUSIONS: Children born premature may be at increased risk for hepatoblastoma but there is no strong evidence of an increased risk of primary central nervous system tumours or neuroblastoma. There is insufficient evidence to conclude whether prematurity modulates the risk of other childhood cancers.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,013 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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) | 0,000 | 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 ».