Association of hepatitis C infection and risk of kidney cancer: A systematic review and meta‐analysis of observational studies
Notice bibliographique
Résumé
Abstract Although some epidemiological studies have investigated the association between Hepatitis C virus (HCV) infection and the development of kidney cancer, the results are far from consistent. We conducted a systematic review and meta‐analysis of observational studies to determine the association. PubMed, EMBASE and Cochrane database were searched from 1 January 1975 to 7 January 2020. Study selection, data extraction and bias assessment (using the Newcastle‐Ottawa scale) were performed independently by 2 authors. Pooled odds ratios (ORs) with corresponding confidence intervals (CIs) were calculated using a random‐effects model. In all, 16 studies (11 cohort studies and 5 case‐control studies) involving a total of 391,071 HCV patients and 38,333,839 non‐HCV controls were included. The overall analysis showed a 47% higher risk to develop kidney cancer among the patients with HCV infection (pooled OR 1.47; 95% CI 1.14‐1.91), despite significant heterogeneity ( I 2 = 87.6%). The multivariable meta‐regression showed that study design, age, sample size and HIV co‐infection were significant sources of variance, and totally accounted for 82% of the I 2 . The risk of KC in HCV patients was further increased in studies without HCV/HBV‐ and HCV/HIV‐ co‐infection (pooled OR 1.66; 95%CI 1.23‐2.24). Multiple sensitivity analyses did not change the significant association. The present meta‐analysis indicated that HCV‐infected patients have a significantly higher risk of developing kidney cancer. Our results highlighted the rationale for improved renal surveillance in HCV patients for the early diagnosis of kidney cancer. Further investigations for the mechanisms underlying HCV‐induced kidney cancer are warranted.
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 | 0,002 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,013 | 0,002 |
| Bibliométrie | 0,001 | 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) | 0,000 | 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 ».