Risks of Melanoma and Nonmelanoma Skin Cancers Pre– and Post–Inflammatory Bowel Disease Diagnosis
Notice bibliographique
Résumé
BACKGROUND: We compared risks of nonmelanoma skin cancers (NMSCs) and melanoma preceding and following a diagnosis of inflammatory bowel disease (IBD) and to evaluate the effect of thiopurines and anti-tumor necrosis factor α (anti-TNF-α) on skin cancer risk in IBD. METHODS: This was a retrospective, historical cohort study using the population-based University of Manitoba IBD Epidemiology Database (11 228 IBD cases and 104 725 matched controls) linked to the Manitoba Cancer Registry. Logistic and Cox regression analyses were performed to calculate skin cancer risks prior to and after IBD diagnosis. RESULTS: Persons with ulcerative colitis (UC) were more likely to have basal cell carcinoma (BCC) predating their UC diagnosis (odds ratio, 1.32; 95% confidence interval [CI], 1.08-1.60). Risks of squamous cell carcinoma (SCC), other NMSCs, or melanoma prior to IBD diagnosis were not significantly increased. Post-IBD diagnosis, risks of BCC (hazard ratio, 1.53; 95% CI, 1.37-1.70) and SCC (hazard ratio, 1.61; 95% CI, 1.29-2.01) were significantly increased across all IBD groups except for SCC in UC. There was no significant association between melanoma and IBD post-IBD diagnosis. The risks of BCC and melanoma were increased in thiopurine and anti-TNF users, and risk of SCC was increased in only thiopurine users. Nested cohort analysis of persons with IBD with censoring at both thiopurines and anti-TNF use confirmed a higher baseline risk of BCC and no effect on SCC, comparable to pre-IBD diagnosis findings. CONCLUSIONS: The risk of BCC preceding a diagnosis of UC is higher than in non-UC controls, compared with a generally increased risk of all NMSCs post-IBD diagnosis. Thiopurine and anti-TNF therapy increase the risks for skin cancers in persons with IBD after their diagnoses.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 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 ».