MétaCan
Menu
Retour à la cohorte
Enregistrement W2995755393 · doi:10.1159/000504804

Causes that Contribute to the Excess Mortality Risk in Multiple Sclerosis: A Population-Based Study

2019· article· en· W2995755393 sur OpenAlexafffundabout
Elaine Kingwell, Feng Zhu, Charity Evans, Thomas Duggan, Joël Oger, Helen Tremlett

Notice bibliographique

RevueNeuroepidemiology · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueMultiple Sclerosis Research Studies
Établissements canadiensUniversity of British Columbia HospitalUniversity of SaskatchewanUniversity of British Columbia
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésMedicineMultiple sclerosisPopulationExcess mortalityPopulation based studyDemographyEnvironmental healthGerontologyPsychiatry

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Lifespan is 6-10 years shorter in multiple sclerosis (MS), but the reasons remain unclear. Using linked clinical- and population-based administrative health databases, we compared cause-specific mortality in an MS cohort to the general population. METHODS: MS patients in British Columbia (BC), Canada, were followed from the later of first MS clinic visit or January 1, 1986, to the earlier of death, emigration, or December 31, 2013. Comprehensive mortality information was obtained by linkage to BC's multiple-cause-of-death mortality data. Causes were grouped using International Classification of Disease codes. Standardized mortality ratios (SMRs) were calculated for underlying cause, and relative mortality ratios (RMRs) for any mention cause, by comparison to mortality rates in the age-, sex-, and calendar year-matched general population. Cause-specific relative mortality was explored by sex and disease course (relapsing onset and primary progressive). RESULTS: Among 6,629 MS patients with 104,236 patient-years of follow-up, 1,416 died. The all-cause mortality risk was increased relative to the general population (SMR 2.71; 95% CI 2.55-2.87). MS was the underlying cause in 50.4%, and a mentioned cause in 77.9%, of deaths. Mortality by underlying cause was higher than expected for genitourinary disorders/infections (SMR 3.55; 95% CI 2.25-5.32), respiratory diseases/infections (SMR 2.69; 95% CI 2.17-3.28), suicide (SMR 2.40; 95% CI 1.61-3.45), cardiovascular disease (SMR 1.57; 95% CI 1.36-1.81), and other infections/septicemia (SMR 1.83; 95% CI 1.15-2.78). Risks of death due to overall cancer, accidents, digestive system disorders, and endocrine/nutritional diseases as underlying causes were similar to the general population. However, mortality with any mention of accidents (RMR 2.71; 95% CI 2.22-3.29) or endocrine/nutritional diseases (RMR 1.75; 95% CI 1.46-2.09) was greater. Bladder cancer mortality was increased in women (SMR 3.87; 95% CI 1.42-8.42) but not men. No notable differences were observed by disease course. CONCLUSIONS: MS itself was the most frequent underlying cause of death. Infections (genitourinary, respiratory, and septicemia), suicides, cardiovascular disease, and accidents contributed significantly to the increased risk of death. Some findings differed by sex, but not disease course. Multiple-cause death data offer advantages over "traditional" use of underlying cause only.

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)0,001
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 enseignants0,013
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
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 Opus0,193
Tête enseignante GPT0,383
Écart entre enseignants0,190 · 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

Citations33
Publié2019
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueNeuroepidemiologyMême sujetMultiple Sclerosis Research StudiesTravaux en français237 207