Exploring Skin Cancer Risk in Chronic Kidney Disease Patients: A Single Arm of Meta-analysis
Notice bibliographique
Résumé
Abstract Skin cancers are among the most prevalent malignancies that develop following renal transplantation. This review aims to provide a comprehensive and up-to-date overview of the risk of skin cancer among patients with chronic kidney disease. A systematic review and meta-analysis were conducted following the Preferred Reporting Items for Systematic Reviews and Meta-Analyses (PRISMA) guidelines. We searched Scopus, PubMed, Embase, and Komaki databases for research publications on chronic kidney disease and skin cancer published between February 2016 and January 2023. The prevalence of skin cancer among chronic kidney disease patients was meta-analyzed. A random-effects meta-regression was performed, and the risk of bias was assessed using the Newcastle–Ottawa Scale. A total of 16 studies, encompassing 151,987 patients, fulfilled the inclusion criteria for this systematic review. The aggregated incidence of non-melanoma skin cancer among renal transplant recipients was 4.32% (95% CI, 4.1–4.5%), while the incidence of melanoma skin cancer was 1.92% (95% CI, 1.85–1.99%). The pooled prevalence of non-melanoma skin cancer and melanoma skin cancer was 5.7% (95% CI, 1.1–10.3%) and 0.25% (95% CI, 0.11–0.39%), respectively. In conclusion, our study confirms a heightened risk of skin cancer in chronic kidney disease patients. Further research with larger samples and enhanced surveillance is crucial to better understand and address this risk.
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 | 0,024 | 0,052 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,018 | 0,069 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».