Type 2 diabetes mellitus does not increase the risk of multiple myeloma: a systematic review and meta-analysis
Notice bibliographique
Résumé
Background: Epidemiological studies have shown that patients with type 2 diabetes mellitus (T2DM) are at a higher risk of secondary tumors. However, no consensus has been made about whether T2DM can increase the risk of multiple myeloma (MM). Methods: We searched the databases of PubMed, Cochrane Library and EMBASE and cross-checked the bibliography. Data quality was assessed using the Newcastle-Ottawa scale (NOS). Heterogeneity was calculated as the odds ratio (OR) using a random-effects model. Data were analyzed using Stata version 12.0 software. Results: A total of 13 articles were selected into this meta-analysis. Initially, we found that diabetic patients had a higher risk of myeloma than non-diabetic patients (OR =1.60, 95% CI: 1.13–2.26, I2=98%, P=0.000). But the data in these articles were highly heterogeneous (I2>75%). Therefore, eight of the included articles showed a moderate heterogeneity (I2=71.6%). We used Galbraith heterogeneity map to analyze the causes of heterogeneity. Two articles with high heterogeneity were excluded. Then, we found the heterogeneity of the left six articles was reduced from moderate to mild (I2=45.9%, P=0.100). The final results of this meta-analysis showed that T2DM was not a risk factor for increased incidence of MM (OR =1.05, 95% CI: 0.83–1.33, I2=45.9%, P=0.100). Also, the subgroup analysis (case-control studies vs. cohort studies) showed no statistical difference (OR =1.19, 95% CI: 0.76–1.85, I2=1%, P=0.364; OR =1.00, 95% CI: 0.75–1.33, I2=71.2%, P=0.031; respectively). Conclusions: T2DM is not a risk factor for the increased incidence of MM, a finding that should be validated with more strictly designed randomized controlled trials (RCTs).
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 | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,007 | 0,002 |
| Bibliométrie | 0,000 | 0,002 |
| 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) | 0,001 | 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 ».