Cancer Risk in a Large Inception Systemic Lupus Erythematosus Cohort: Effects of Demographic Characteristics, Smoking, and Medications
Notice bibliographique
Résumé
OBJECTIVE: To assess cancer risk factors in incident systemic lupus erythematosus (SLE). METHODS: Clinical variables and cancer outcomes were assessed annually among incident SLE patients. Multivariate hazard regression models (overall risk and most common cancers) included demographic characteristics and time-dependent medications (corticosteroids, antimalarial drugs, immunosuppressants), smoking, and the adjusted mean Systemic Lupus Erythematosus Disease Activity Index 2000 score. RESULTS: Among 1,668 patients (average 9 years follow-up), 65 cancers occurred: 15 breast, 10 nonmelanoma skin, 7 lung, 6 hematologic, 6 prostate, 5 melanoma, 3 cervical, 3 renal, 2 each gastric, head and neck, and thyroid, and 1 each rectal, sarcoma, thymoma, and uterine cancers. Half of the cancers (including all lung cancers) occurred in past/current smokers, versus one-third of patients without cancer. Multivariate analyses indicated that overall cancer risk was related primarily to male sex and older age at SLE diagnosis. In addition, smoking was associated with lung cancer. For breast cancer risk, age was positively associated and antimalarial drugs were negatively associated. Antimalarial drugs and higher disease activity were also negatively associated with nonmelanoma skin cancer risk, whereas age and cyclophosphamide were positively associated. Disease activity was associated positively with hematologic and negatively with nonmelanoma skin cancer risk. CONCLUSION: Smoking is a key modifiable risk factor, especially for lung cancer, in SLE. Immunosuppressive medications were not clearly associated with higher risk except for cyclophosphamide and nonmelanoma skin cancer. Antimalarials were negatively associated with breast cancer and nonmelanoma skin cancer risk. SLE activity was associated positively with hematologic cancer and negatively with nonmelanoma skin cancer. Since the absolute number of cancers was small, additional follow-up will help consolidate these findings.
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 | 0,002 |
| 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 | 0,000 |
| 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 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 ».