MétaCan
Menu
Retour à la cohorte
Enregistrement W4398789427 · doi:10.2196/50402

Patterns of Prescription Medication Use Before Diagnosis of Early Age-Onset Colorectal Cancer: Population-Based Descriptive Study

2024· article· en· W4398789427 sur OpenAlexaffvenueabout
Vienna Cheng, Eric C. Sayre, Vicki Cheng, Ria Garg, Sharlene Gill, Ameer Farooq, Mary A. De Vera

Notice bibliographique

RevueJMIR Cancer · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueColorectal Cancer Screening and Detection
Établissements canadiensKingston General HospitalBritish Columbia Centre on Substance UseUniversity of TorontoCentre for Advancing Health OutcomesQueen's UniversityUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésPreprintMedicineMedical prescriptionColorectal cancerCancerDemographyInternal medicinePharmacologyWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Colorectal cancer (CRC) is estimated to be the fourth most common cancer diagnosis in Canada (except for nonmelanoma skin cancers) and the second and third leading cause of cancer-related death in male and female individuals, respectively. OBJECTIVE: The rising incidence of early age-onset colorectal cancer (EAO-CRC; diagnosis at less than 50 years) calls for a better understanding of patients' pathway to diagnosis. Therefore, we evaluated patterns of prescription medication use before EAO-CRC diagnosis. METHODS: We used linked administrative health databases in British Columbia (BC), Canada, to identify individuals diagnosed with EAO-CRC between January 1, 2010, and December 31, 2016 (hereinafter referred to as "cases"), along with cancer-free controls (1:10), matched by age and sex. We identified all prescriptions dispensed from community pharmacies during the year prior to diagnosis and used the Anatomical Therapeutic Chemical Classification system Level 3 to group prescriptions according to the drug class. A parallel assessment was conducted for individuals diagnosed with average age-onset CRC (diagnosis at age 50 years and older). RESULTS: We included 1001 EAO-CRC cases (n=450, 45% female participants; mean 41.0, SD 6.1 years), and 12,989 prescriptions were filled in the year before diagnosis by 797 (79.7%) individuals. Top-filled drugs were antidepressants (first; n=1698, 13.1%). Drugs for peptic ulcer disease and gastroesophageal reflux disease (third; n=795, 6.1%) were more likely filled by EAO-CRC cases than controls (odds ratio [OR] 1.4, 95% CI 1.2-1.7) and with more frequent fills (OR 1.8, 95% CI 1.7-1.9). We noted similar patterns for topical agents for hemorrhoids and anal fissures, which were more likely filled by EAO-CRC cases than controls (OR 7.4, 95% CI 5.8-9.4) and with more frequent fills (OR 15.6, 95% CI 13.1-18.6). CONCLUSIONS: We observed frequent prescription medication use in the year before diagnosis of EAO-CRC, including for drugs to treat commonly reported symptoms of EAO-CRC.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,046
Score d'incertitude au seuil0,995

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0000,000

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 Opus0,032
Tête enseignante GPT0,327
Écart entre enseignants0,294 · 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 tête enseignante, 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

Citations2
Publié2024
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJMIR CancerMême sujetColorectal Cancer Screening and DetectionTravaux en français237 207