Temporal trends in cardiovascular mortality among patients with hematological malignancies: a 20-year perspective
Notice bibliographique
Résumé
BACKGROUND: We present an analysis of cardiovascular-related deaths specific to hematological cancer patients in the United States from 1999 to 2020, examining trends in relation to age, gender, and type of hematological cancer. RESEARCH DESIGN AND METHODS: Utilizing the Multiple Cause of Death databases, our research included 88,146 decedents with cardiovascular primary cause of death and with hematologic disease. We determined the percentage of cardiovascular deaths associated with each disease category. Furthermore, we developed age-adjusted mortality rates, categorizing them based on sex, age, race, Latino origin, and the type of hematological cancer. RESULTS: Between 1999 and 2020, there was a decreasing temporal trend in overall cardiovascular mortality for lymphoma, leukemia and multiple myeloma (-38.8% -31.8% & -29.4%). The most common cardiovascular mortality cause in the hematological malignancy population was ischemic heart disease, followed by cerebrovascular disease (53.4%, 20.2%). African American, Asian, and White patients showed decreasing for overall CV death for all hematological malignancies, with African American subgroups showing the lowest mortality reduction over time (AAMR: -26.8%, -41.2%, -33.3%). However, hypertension mortality increased for most racial groups. CONCLUSIONS: Over the last 2 decades, the rate of cardiovascular mortality amongst patients with underlying hematological malignancy has decreased.
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 | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».