MétaCan
Menu
Retour à la cohorte
Enregistrement W3200728298 · doi:10.1212/wnl.0000000000012634

Colorectal Cancer Survival in Multiple Sclerosis

2021· article· en· W3200728298 sur OpenAlexafffundabout
Ruth Ann Marrie, Colleen J. Maxwell, Alyson Mahar, Okechukwu Ekuma, Chad McClintock, Dallasl Seitz, Patti A. Groome

Notice bibliographique

RevueNeurology · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueMultiple Sclerosis Research Studies
Établissements canadiensUniversity of CalgaryUniversity of WaterlooQueen's UniversityManitoba Health
Organismes subventionnairesCanadian Institutes of Health ResearchCanadian Frailty NetworkCrohn's and Colitis CanadaUniversity of WaterlooResearch ManitobaMultiple Sclerosis SocietyMultiple Sclerosis Society of CanadaQueen's UniversityGovernment of AlbertaU.S. Department of DefenseUniversity of CalgaryBiogenUniversity of ManitobaVelux Stiftung
Mots-clésMedicineColorectal cancerHazard ratioCancerProportional hazards modelInternal medicineConfidence intervalPopulationCancer registryCohortRetrospective cohort studyCohort studyComorbidityOncologyEnvironmental health

Résumé

récupéré en direct d'OpenAlex

BACKGROUND AND OBJECTIVES: We tested the hypothesis that overall and cancer-specific survival after a colorectal cancer diagnosis is lower in persons with multiple sclerosis (MS) than in those without MS using a retrospective matched cohort design. METHODS: Using population-based administrative data in Manitoba and Ontario, we identified persons with MS from a validated case definition and linked these cohorts to cancer registries to identify those with colorectal cancer. We selected persons with colorectal cancer and without MS, matching 4:1 on birth year, sex, cancer diagnosis year, and region. We used Cox proportional hazards regression to compare all-cause survival between cohorts, adjusting for age at cancer diagnosis, cancer diagnosis year, income, region, and Elixhauser comorbidity score. We compared cancer-specific survival between cohorts using a cause-specific hazards model. We pooled findings across provinces using random-effects meta-analysis. Complementary analyses using a subcohort from Ontario, adjusted for cancer stage and disability status, as measured from the use of home care or long-term care services. RESULTS: We included 338 MS cases and 1,352 controls with colorectal cancer. The mean (SD) age at cancer diagnosis was 64.7 (11.1) years. After adjustment, MS was associated with an increased hazard for all-cause death that was highest 6 months after diagnosis (hazard ratio [HR] 1.45, 95% confidence interval [CI] 1.19-1.76) and then declined over time (HR [95% CI] at 1 year 1.34 [1.09-1.63], 2 years 1.24 [0.99-1.56], 5 years 1.10 [0.80-1.50]). MS was associated with increased cancer-specific death at 6 months after diagnosis only (HR 1.29, 95% CI 1.04-1.61). After adjustment for cancer stage, MS was associated with an increased hazard of death due to any cause (1.60, 95% CI 1.16-2.21) and with cancer-specific death (HR 1.47, 95% CI 1.02-2.12). The association of MS and all-cause death was partially attenuated after adjustment for disability status (HR 1.37, 95% CI 0.97-1.92), as was the association with cancer-specific death (HR 1.34, 95% CI 0.91-1.97). DISCUSSION: Overall and cancer-specific survival was lower in persons with than without MS in the early period after colorectal cancer diagnosis. Further study is warranted to determine what factors underlie these worse outcomes.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,037
Score d'incertitude au seuil0,074

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,132
Tête enseignante GPT0,338
Écart entre enseignants0,206 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations9
Publié2021
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueNeurologyMême sujetMultiple Sclerosis Research StudiesTravaux en français237 207