Incidence and predictors of significant hearing loss requiring hearing assistive devices among childhood cancer survivors: A population-based study.
Notice bibliographique
Résumé
10055 Background: Though hearing loss is a significant late effect among childhood cancer survivors, recent guidelines note insufficient evidence to quantify natural history or risk associated with specific exposures. We examined the long-term incidence and predictors of hearing loss requiring hearing amplification devices (HAD) using population-based healthcare data. Methods: In Ontario, Canada, HAD costs are subsidized by the provincial Assistive Devices Program (ADP). Ontario children age <18 years at cancer diagnosis between 1987-2016 were identified using a pediatric cancer registry and linked to ADP claims. The cumulative incidence of HAD use was compared between cases and matched controls. Patient, disease, and treatment predictors of HAD were examined. Results: We identified 11,842 cases and 59,210 matched controls. Cases were at higher risk of HAD [hazard ratio (HR) 12.8, 95% confidence interval (95CI) 9.8-16.7; p<0.001]. The cumulative incidence of HAD among survivors was 2.1% (95CI 1.7-2.5%) at 20-years and 6.4% (95CI 2.8-12.1%) at 30-years. 30-year incidence was highest in survivors of neuroblastoma (10.7%, 95CI 3.8-21.7%) and hepatoblastoma (16.2%, 95CI 8.6-26.0%). Predictors of HAD in multivariable analyses included age 0-4 years at diagnosis (vs. 5-9 years, HR 2.2, 95CI 1.4-3.3; p<0.001). Relative to no cisplatin exposure, patients receiving 1-200mg/m2 were not at greater risk, unlike those receiving higher cumulative doses (Table). Relative to no radiation, those receiving ≤32Gy were at no higher risk, unlike while those receiving >32Gy. Carboplatin exposure was not associated with HAD. Conclusions: Childhood cancer survivors are at elevated risk of requiring HAD which continues to rise between 20 and 30 years from diagnosis. Thresholds of cisplatin and radiation exposure exist above which risk substantially increases. Prolonged monitoring and trials of otoprotective agents are warranted in high-risk populations. [Table: see text]
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».