The Population-Level Prevalence of Exocrine Pancreas Insufficiency and the Subsequent Risk of Pancreatic Cancer
Notice bibliographique
Résumé
OBJECTIVES: The aim of this study was to study the prevalence of exocrine pancreas insufficiency (EPI) at a population level and the subsequent risk of pancreatic ductal adenocarcinoma (PDAC). MATERIALS AND METHODS: Using TriNetX (a database of over 79 million US residents), we included patients ≥18 years with EPI (identified via ICD-10 codes) and continuous follow-up from 2016-2022. Patients with prior pancreas resection and PDAC before an EPI diagnosis were excluded. The primary outcome was EPI prevalence. Secondary outcomes included imaging utilization, PDAC risk, and pancreatic enzyme replacement therapy (PERT) utilization. We performed 1:1 propensity score matching (PSM) of patients with EPI versus patients without an EPI diagnosis. RESULTS: The population prevalence of EPI was 0.8% (n = 24,080) with a mean age of 55.6 years. After PSM, PDAC risk among patients with EPI was twice as high compared with patients without EPI (aHR, 1.97; 95% CI, 1.66-2.36). This risk persisted even after excluding patients with a history of acute or chronic pancreatitis (adjusted odds ratio, 4.25; 95% CI, 2.99-6.04). Only 58% (n = 13, 390) of patients with EPI received PERT. No difference was observed in PDAC risk between patients with EPI on PERT and those not on PERT (aHR, 1.10; 95% CI, 0.95-1.26; P = 0.17). CONCLUSIONS: Despite a low prevalence, patients with EPI may have a higher risk of PDAC, and majority with EPI were not on PERT. PERT did not impact incident PDAC risk after an EPI diagnosis.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 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) | 0,000 | 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 ».