Risk of malignancy long after acute coronary syndrome in selected urban and rural areas and comparison with smoking risk: the ABC-7* study on Heart Disease
Notice bibliographique
Résumé
BACKGROUND: Increased cancer risk has been reported in patients with acute coronary syndrome (ACS). OBJECTIVES: To investigate geographic differences in risk malignancy long after ACS. METHODS: We enrolled 586 ACS patients admitted to hospitals in three provinces in the Veneto region of Italy in this prospective study. Patient's residency was classified into three urban and three nearby rural areas. RESULTS: All (except for 3) patients completed the follow-up (22 years or death) and 54 % were living in rural areas. Sixteen patients had pre-existing malignancy, and 106 developed the disease during follow-up. Cancer prevalence was 17 % and 24 % (p = 0.05) and incidence of malignancy was 16 and 21/1000 person-years for urban and rural areas, respectively. In unadjusted logistic regression analysis, cancer risk increased from urban to rural areas (odds ratio [OR] 3.4;95 % confidence interval [CI] 1.7-7.1; p = 0.001), with little change from north to south provinces (OR 1.5;95 % CI 1.0-2.2; p = 0.06). Yet, we found a strong positive interaction between urban-rural areas and provinces (OR 2.1;95 % CI 1.2-3.5; p = 0.003). These results kept true in the fully adjusted model. Unadjusted Cox regression analysis revealed increasing hazards ratios (HRs) for malignancy onset from urban to rural areas (HR 3.0;95 % CI 1.5-6.2; p = 0.02), but not among provinces (HR 1.3;95 % CI 1.0-2.0; p = 0.14). Also, we found a strong positive interaction between geographic areas (HR 2.1;95 % CI 1.3-3.5; p = 0.002), even with a fully adjusted model. CONCLUSIONS: The results in unselected real-world patients demonstrate a significant geographic difference in malignancy risk in ACS patients, with the highest risk in the north-rural area.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| 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 ».