MétaCan
Menu
Retour à la cohorte
Enregistrement W4253428733 · doi:10.1093/ibd/izy393.099

07 A SIGNIFICANT DECLINE IN COLECTOMY RATES FOR COLORECTAL CANCER IN PATIENTS WITH ULCERATIVE COLITIS

2019· article· en· W4253428733 sur OpenAlexaboutno aff
Sherman Picardo, Cynthia H. Seow, Kerri L. Novak, Remo Panaccione, Gilaad G. Kaplan

Notice bibliographique

RevueInflammatory Bowel Diseases · 2019
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueInflammatory Bowel Disease
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineUlcerative colitisColorectal cancerColectomyInternal medicineIncidence (geometry)Inflammatory bowel diseasePopulationCancerGastroenterologyPrimary sclerosing cholangitisCohortDiagnosis codeDiseaseEnvironmental health

Résumé

récupéré en direct d'OpenAlex

Patients with ulcerative colitis (UC) are at increased risk of developing colorectal cancer. Independent risk factors include age, gender, extent and duration of disease activity, concurrent primary sclerosing cholangitis, a family history of sporadic colorectal cancer and severity of histologic bowel inflammation. Surveillance programs have been introduced to facilitate early detection of pre-malignant lesions, however, the efficacy of these programs have not been established. Technological endoscopic advancements and improved treatment options may also reduce the incidence of colorectal cancer in this population. To explore temporal trends in colectomy rates for colorectal cancer, in patients with ulcerative colitis. A population-based prevalent cohort of patients with ulcerative colitis (UC) from Alberta, Canada (2003-2015) was derived from administrative databases, based on a previously validated method.1 The Discharge Abstract Database (DAD) was used to identify patients admitted for colectomy (Canadian Classification of Health Interventions procedure code (CCI): 1.NM.87, 1.NM.89, 1.NM.91, 1.NQ.89, 1.NQ.90) and with a diagnosis of colorectal cancer (International Classification of Disease -10 diagnosis code (ICD-10): C18.X (1-9), C19, C20.) Annual incidence was calculated by dividing the total number of colectomies for cancer by the at risk number of prevalent UC patients each fiscal year. Time trend analysis of colectomy rates for cancer was performed using a generalized linear model, assuming a Poisson distribution, using year of admission as the primary predictor, while adjusting for age and gender. Join-point regression was used to identify significant inflection points in temporal trends. 112 patients with ulcerative colitis underwent a colectomy for colorectal cancer between 2003 and 2015, with an average annual colectomy rate of 1.32 per 1000 UC patients at risk. Average annual colectomy rates were higher in males and in increasing age categories. (Table 1) There was a significant reduction in colectomy rates over time. (IRR= 0.914, 95% CI: 0.868-0.961, p<0.001) (Figure 1) No significant inflection points were identified with join-point regression analysis. There has been a significant decline in colectomy rates for colorectal cancer in patients with ulcerative colitis, with an annual reduction of 8.6%, between 2003 and 2015. This is likely attributable to development and utilisation of surveillance programs and improvements in treatment options for patients with UC. 1. Rezaie A, Quan H, Fedorak RN, Panaccione R, Hilsden RJ. Development and validation of an administrative case definition for inflammatory bowel diseases. Canadian Journal of Gastroenterology 2012;26(10):711-717.

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 enseignants0,246
Score d'incertitude au seuil0,489

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,004
Tête enseignante GPT0,241
Écart entre enseignants0,237 · 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

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInflammatory Bowel DiseasesMême sujetInflammatory Bowel DiseaseTravaux en français237 207