Incidence and predictors of non-hepatic cancers in biopsy-proven alcohol-related liver disease
Notice bibliographique
Résumé
INTRODUCTION AND OBJECTIVES: Alcohol-related liver disease (ALD) is a known contributor to non-hepatic cancers (NHC). We aimed to describe the incidence and predictors of NHC in patients with ALD. MATERIALS AND METHODS: The WALDO study is a multicenter cohort study of patients with histologically characterized ALD. Participants are followed from the time of liver biopsy and outcomes are captured from health records. The primary outcome was the incidence of the first NHC. Risk factors for NHC were presented as unadjusted and adjusted sub-distribution hazards (SDH) based on competing risk analysis. Statistical analyses were done in R. RESULTS: 694 patients were included. The median age was 51 years (IQR 43- 59), 428 (62 %) patients were male and 349 (50 %) had cirrhosis on biopsy. During a median follow-up of 4.9 years (IQR 1.3 - 9.6 years), 78 patients (11 %) with ALD developed NHC. The cumulative incidence of NHC in ALD was 2.4 % (1.4 - 3.9 %) over five years. The most common site of NHC was respiratory (17 cases, 22 % of NHC) and digestive tract (17 cases, 22 %) and cancers of the head and neck (13 cases, 17 %). On multivariable analysis, increasing age (SDH 1.03; CI 1.00-1.07; p=0.037), previous smoking (SDH 5.11; CI 1.91-13.66; p= 0.001) and current smoking (SDH 3.84; CI 1.50-9.84; p = 0.005) along with cirrhosis (SDH 2.14; CI 1.10 -4.13; p=0.024) were associated with a higher risk of NHC. CONCLUSIONS: NHC's are common in patients with biopsy-confirmed ArLD. Addressing risk factors for NHC's should be encouraged during routine follow-up to reduce the incidence.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 ».