Development of a Web-Based System for Exploring Cancer Risk With Long-term Use of Drugs: Logistic Regression Approach
Notice bibliographique
Résumé
BACKGROUND: Existing epidemiological evidence regarding the association between the long-term use of drugs and cancer risk remains controversial. OBJECTIVE: We aimed to have a comprehensive view of the cancer risk of the long-term use of drugs. METHODS: A nationwide population-based, nested, case-control study was conducted within the National Health Insurance Research Database sample cohort of 1999 to 2013 in Taiwan. We identified cases in adults aged 20 years and older who were receiving treatment for at least two months before the index date. We randomly selected control patients from the patients without a cancer diagnosis during the 15 years (1999-2013) of the study period. Case and control patients were matched 1:4 based on age, sex, and visit date. Conditional logistic regression was used to estimate the association between drug exposure and cancer risk by adjusting potential confounders such as drugs and comorbidities. RESULTS: There were 79,245 cancer cases and 316,980 matched controls included in this study. Of the 45,368 associations, there were 2419, 1302, 662, and 366 associations found statistically significant at a level of P<.05, P<.01, P<.001, and P<.0001, respectively. Benzodiazepine derivatives were associated with an increased risk of brain cancer (adjusted odds ratio [AOR] 1.379, 95% CI 1.138-1.670; P=.001). Statins were associated with a reduced risk of liver cancer (AOR 0.470, 95% CI 0.426-0.517; P<.0001) and gastric cancer (AOR 0.781, 95% CI 0.678-0.900; P<.001). Our web-based system, which collected comprehensive data of associations, contained 2 domains: (1) the drug and cancer association page and (2) the overview page. CONCLUSIONS: Our web-based system provides an overview of comprehensive quantified data of drug-cancer associations. With all the quantified data visualized, the system is expected to facilitate further research on cancer risk and prevention, potentially serving as a stepping-stone to consulting and exploring associations between the long-term use of drugs and cancer risk.
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 ».