Risk of Malignant Cancers in Inflammatory Bowel Disease
Notice bibliographique
Résumé
OBJECTIVES: To explore the trends and the predictors of incident malignant cancer among patients with inflammatory bowel disease [IBD]. METHODS: We identified a cohort of all patients with incident IBD in Quebec, Canada, from 1998 to 2015, using provincial administrative health-care databases [RAMQ and Med-Echo]. Annual incidence rates [IRs] of cancer were calculated using Poisson regression and were compared with those of the Quebec population using standardized incidence ratios [SIRs ]. Temporal trends in these rates were evaluated by fitting generalized linear models. Conditional logistic regression was used to estimate odds ratios [ORs] for predictors associated with cancer development. RESULTS: The cohort included 35 985 patients with IBD, of which 2275 developed cancers over a mean follow-up of 8 years (IR 785.6 per 100 000 persons per year; 95% confidence interval [CI] 754.0-818.5). The rate of colorectal cancer decreased significantly from 1998 to 2015 [p < 0.05 for linear trend], but the incidence remained higher than expected, compared with the Quebec population [SIR 1.39; 95% CI 1.19-1.60]. Rates of extraintestinal cancers increased non-significantly over time [p = 0.11 for linear trend]. In the IBD cohort, chronic kidney disease [OR 1.29; 95% CI 1.17-1.43], respiratory diseases [OR 1.07; 95% CI 1.02-1.12], and diabetes mellitus [OR 1.06; 95% CI 1.01-1.11] were associated with an increase in the incidence of cancer. CONCLUSIONS: The decreasing rates of colorectal cancer suggest improved management and care in IBD. Further studies are needed to explore the impact of comorbid conditions on the risk of cancer in IBD.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».