Aspirin Use, Compliance, and Knowledge of Anticancer Effect in the Community
Notice bibliographique
Résumé
INTRODUCTION: Millions of adults worldwide use low-dose aspirin for secondary prevention of heart disease. Results of randomized trials indicate that regular use of low-dose aspirin may reduce the risk of colorectal cancer by more than 20%, leading to speculation of its chemoprevention role for high-risk groups. Little is known, however, about the use of aspirin in our community. OBJECTIVE: To determine aspirin use and therapy compliance (never or rarely missing a dose) and to assess whether patients in our community are aware of its anticancer effect. METHODS: Observational study. Prospective data were collected during a 1-year period from patients in our general surgical clinic regarding aspirin use, comorbidities, adverse effects, and awareness of anticancer effect. Statistical analysis was performed. RESULTS: Among aspirin users (n = 137), the mean age was 65.8 years. Most (76.6%) received an 81-mg daily dose of aspirin. Compliance was 25.6% and was significantly associated with diabetes mellitus (p = 0.0028). Only 9.5% were aware of the medication's anticancer effect. Among nonusers (n = 383), the mean age was 53.3 years, a significant difference vs that of aspirin users (p < 0.001). Only 4.7% of nonusers knew of the anticancer effect. Nonusers were more likely to be women (p = 0.0005), younger than age 40 years (p < 0.0001), and have comorbidities or polypharmacy (p = 0.002). No significant difference was found between groups in anticoagulants use, nonsteroidal anti-inflammatory drug use, and smoking. CONCLUSION: Knowledge of aspirin's anticancer effect is low. More research is required to understand why aspirin compliance is also low.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».