MétaCan
Menu
Retour à la cohorte
Enregistrement W4392728963 · doi:10.2196/48380

Risk of Subsequent Primary Cancers Among Adult-Onset 5-Year Cancer Survivors in South Korea: Retrospective Cohort Study

2024· article· en· W4392728963 sur OpenAlexvenueno aff
Yoon Young Choi, Myeongjee Lee, Eun Hwa Kim, Jae Eun Lee, Inkyung Jung, Jae‐Ho Cheong

Notice bibliographique

RevueJMIR Public Health and Surveillance · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueMultiple and Secondary Primary Cancers
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineRetrospective cohort studyCancerCohortCohort studyDemographyPediatricsInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The number of cancer survivors who develop subsequent primary cancers (SPCs) is expected to increase. OBJECTIVE: We evaluated the overall and cancer type-specific risks of SPCs among adult-onset cancer survivors by first primary cancer (FPC) types considering sex and age. METHODS: We conducted a retrospective cohort study using the Health Insurance Review and Assessment database of South Korea including 5-year cancer survivors diagnosed with an FPC in 2009 to 2010 and followed them until December 31, 2019. We measured the SPC incidence per 10,000 person-years and the standardized incidence ratio (SIR) compared with the incidence expected in the general population. RESULTS: Among 266,241 survivors (mean age at FPC: 55.7 years; 149,352/266,241, 56.1% women), 7348 SPCs occurred during 1,003,008 person-years of follow-up (median 4.3 years), representing a 26% lower risk of developing SPCs (SIR 0.74, 95% CI 0.72-0.76). Overall, men with 14 of the 20 FPC types had a significantly lower risk of developing any SPCs; women with 7 of the 21 FPC types had a significantly lower risk of developing any SPCs. The risk of developing any SPC type differed by age; the risk was 28% higher in young (<40 years) cancer survivors (SIR 1.28, 95% CI 1.16-1.42; incidence: 30 per 10,000 person-years) and 27% lower in middle-aged and older (≥40 years) cancer survivors (SIR 0.73, 95% CI 0.71-0.74; incidence: 80 per 10,000 person-years) compared with the age-corresponding general population. The most common types of FPCs were mainly observed as SPCs in cancer survivors, with lung (21.6%) and prostate (15.2%) cancers in men and breast (18.9%) and lung (12.2%) cancers in women. The risks of brain cancer in colorectal cancer survivors, lung cancer in laryngeal cancer survivors, and both kidney cancer and leukemia in thyroid cancer survivors were significantly higher for both sexes. Other high-risk SPCs varied by FPC type and sex. Strong positive associations among smoking-related cancers, such as laryngeal, head and neck, lung, and esophageal cancers, were observed. Substantial variation existed in the associations between specific types of FPC and specific types of SPC risk, which may be linked to hereditary cancer syndrome: for women, the risks of ovarian cancer for breast cancer survivors and uterus cancers for colorectal cancer survivors, and for men, the risk of pancreas cancer for kidney cancer survivors. CONCLUSIONS: The varying risk for SPCs by age, sex, and FPC types in cancer survivors implies the necessity for tailored prevention and screening programs targeting cancer survivors. Lifestyle modifications, such as smoking cessation, are essential to reduce the risk of SPCs in cancer survivors. In addition, genetic testing, along with proactive cancer screening and prevention strategies, should be implemented for young cancer survivors because of their elevated risk of developing SPCs.

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)0,001
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 enseignants0,014
Score d'incertitude au seuil0,028

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,017
Tête enseignante GPT0,296
Écart entre enseignants0,280 · 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

Citations7
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Public Health and SurveillanceMême sujetMultiple and Secondary Primary CancersTravaux en français237 207