Impact of pre-existing cardiovascular disease on treatment patterns and survival outcomes in patients with lung cancer
Notice bibliographique
Résumé
BACKGROUND: Baseline cardiovascular disease (CVD) can impact the patterns of treatment and hence the outcomes of patients with lung cancer. This study aimed to characterize treatment trends and survival outcomes of patients with pre-existing CVD prior to their diagnosis of lung cancer. METHODS: We conducted a retrospective, population-based cohort study of patients with lung cancer diagnosed from 2004 to 2015 in a large Canadian province. Multivariable logistic regression and Cox regression models were constructed to determine the associations between CVD and treatment patterns, and its impact on overall (OS) and cancer-specific survival (CSS), respectively. A competing risk multistate model was developed to determine the excess mortality risk of patients with pre-existing CVD. RESULTS: A total of 20,689 patients with lung cancer were eligible for the current analysis. Men comprised 55%, and the median age at diagnosis was 70 years. One-third had at least one CVD, with the most common being congestive heart failure in 15% of patients. Pre-existing CVD was associated with a lower likelihood of receiving chemotherapy (odds ratio [OR], 0.53; 95% confidence interval [CI], 0.48-0.58; P < .0001), radiotherapy (OR, 0.76; 95% CI, 0.7-0.82; P < .0001), and surgery (OR, 0.56; 95% CI, 0.44-0.7; P < .0001). Adjusting for measured confounders, the presence of pre-existing CVD predicted for inferior OS (hazard ratio [HR], 1.1; 95% CI, 1.1-1.2; P < .0001) and CSS (HR, 1.1; 95% CI, 1.1-1.1; P < .0001). However, in the competing risk multistate model that adjusted for baseline characteristics, prior CVD was associated with increased risk of non-cancer related death (HR, 1.48; 95% CI, 1.33-1.64; P < 0.0001) but not cancer related death (HR, 0.98; 95% CI, 0.94-1.03; P = 0.460). CONCLUSIONS: Patients with lung cancer and pre-existing CVD are less likely to receive any modality of cancer treatment and are at a higher risk of non-cancer related deaths. As effective therapies such as immuno-oncology drugs are introduced, early cardio-oncology consultation may optimize management of lung cancer.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».