Temporal trends in disease-specific causes of cardiovascular mortality amongst patients with cancer in the USA between 1999 and 2019
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
AIMS: We report disease-specific cardiovascular causes of mortality among cancer patients in the USA between 1999 and 2019, considering temporal trends by age, sex, and cancer site. METHODS AND RESULTS: We used the Multiple Cause of Death database, accessed through the Centers for Disease Control and Prevention Wide-Ranging Online Data for Epidemiologic Research resource. We included 629 308 decedents with cardiovascular disease (CVD) recorded as the primary cause of death and active malignancy listed as a contributing cause of death. We created disease-specific CVD categories and grouped cancers by site. We calculated the proportion of CVD deaths attributed to each disease category stratified by sex, age, and cancer site. We also examined disease-specific temporal trends by cancer site. Ischaemic heart disease (IHD) was the most common cardiovascular cause of death across all cancer types (55.6%), being more common in men (59.8%), older ages, and in those with lung (67.8%) and prostate (58.3%) cancers. Cerebrovascular disease (12.9%) and hypertensive diseases (7.6%) were other common causes of death. The proportion of deaths due to heart failure was greatest in haematological (7.7%) and breast (6.3%) cancers. There was a decreasing temporal trend in the proportion of cardiovascular deaths attributed to IHD across all cancer types. The proportion of deaths due to hypertensive diseases showed the greatest percentage increase, with the largest change in breast cancer patients (+191.1%). CONCLUSION: We demonstrate differential cardiovascular mortality risk by cancer site and demographics, providing insight into the evolving healthcare needs of this growing high-cardiovascular risk population.
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.
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 | 0,003 | 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 découle