MétaCan
Menu
Retour à la cohorte
Enregistrement W2928282885 · doi:10.1093/jnci/djz048

Association of Indoor Tanning Exposure With Age at Melanoma Diagnosis and BRAF V600E Mutations

2019· article· en· W2928282885 sur OpenAlexafffund
Toni Burbidge, Boris C. Bastian, Danny Guo, Haocheng Li, Don Morris, Jose Gerard Monzon, Gabriella Leung, Huiming Yang, Tina Cheng

Notice bibliographique

RevueJNCI Journal of the National Cancer Institute · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueSkin Protection and Aging
Établissements canadiensUniversity of Calgary
Organismes subventionnairesNational Cancer InstituteCumming School of Medicine, University of CalgaryAlberta Cancer FoundationUniversity of Calgary
Mots-clésMelanomaMedicineDermatologyAssociation (psychology)Sun exposureCancer researchPsychology

Résumé

récupéré en direct d'OpenAlex

There is limited information on how indoor tanning promotes melanoma development. We investigated indoor tanning use in patients with melanomas in sun-exposed skin and studied the clinicopathological and molecular characteristics in relation to indoor tanning exposure. Patients from a multidisciplinary clinic for cutaneous cancers completed standardized questionnaires on risk factors for melanoma as a component of medical history at their initial consultations. For this study, we included patients from December 2013 to May 2015. The 114 patients who reported indoor tanning exposure were younger at diagnosis than the 222 patients who did not (51.5 vs 64.0 years, two-sided P < .001). BRAF V600E genotype was more prevalent in ever-users than in nonusers (42.9% vs 28.3%, two-sided P = .04) and higher in ever-users who initiated indoor tanning prior to age 25 years compared with age 25 years or older (62.2% vs 31.1%, two-sided P = .003). There were more melanomas in intermittently sun-exposed skin in ever-users than nonusers (65.7% vs 51.9%, respectively, two-sided P = .02). Our data suggest indoor tanning may promote melanomas that arise in skin with low-chronic sun-induced damage through BRAF V600E-mediated melanomagenesis.

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)0,000
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,004
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,027
Tête enseignante GPT0,300
Écart entre enseignants0,274 · 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

Citations12
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJNCI Journal of the National Cancer InstituteMême sujetSkin Protection and AgingTravaux en français237 207