Association between ranitidine use with potential NDMA impurities and risk of cancer in Korea
Notice bibliographique
Résumé
N-Nitrosodimethylamine (NDMA) detected above the acceptable level in ranitidine products has been a great global concern. To examine the risk of cancer among people treated with ranitidine, we conducted a cohort study using the National Health Insurance Service-National Sample Cohort data (2002-2015) of South Korea. Patients were aged 40 or above as of January 2004 and began receiving ranitidine or other histamine-2 receptor antagonist (H2RA), active comparator, without a history of H2RAs prescription during the prior 2-years. The lag time was designated up to 6 years. The outcomes were an overall incident cancer risk and the risk of major single cancers during the follow-up. The association between ranitidine use and cancer risk was examined by Cox regression model. After exclusion and propensity score matching, 25,360 patients were available for analysis. The use of ranitidine was not associated with the overall cancer risk and major individual cancers [overall cancer: incidence rate per 1000 person-years, 2.9 vs 3.0 among the ranitidine users and other H2RAs users, respectively; adjusted hazard ratio (HR) and 95% confidence interval (95% CI) for all cancers, 0.98 (0.81-1.20)]. The higher cumulative exposure to ranitidine did not increase the cancer risk. Given the insufficient follow-up period, these findings should be interpreted carefully.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 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 ».