Patterns of Basal Cell Carcinoma Presentation in the NIH All of Us Database
Notice bibliographique
Résumé
PURPOSE: To examine risk factors for the development of eyelid, face, and body basal cell carcinoma (BCC) within the National Institutes of Health All of Us database. METHODS: Around 7342 patients with BCC and 29,728 age-matched controls were included. Patients with genetic syndromes predisposing to BCC, and patients with a history of solid organ transplants were excluded. Outcomes examined included tumor location, ethnicity, age, smoking, alcohol intake, income, and access to care. Univariate and multivariate regression analyses were performed to examine the association between BCC on different areas of the body and race as well as the effect of modifiable risk factors. RESULTS: Almost 48.7% (3623) of patients had BCC on the body (nonface), 47.2% had BCC on the face (3505), and 4.1% (304) had BCC of the eyelid. White race (OR, 11.79; CI, 5.99-27.73; p < 0.001) and male sex (OR, 1.23; CI, 1.14-1.33; p < 0.001) were nonmodifiable risk factors for BCC and overall, patients with facial BCC were significantly older ( p < 0.001) than those with body BCC. Nonwhite patients with BCC were younger, and significantly more likely to have nonfacial BCC ( p < 0.001). On multivariate analysis, alcohol intake also showed a dose-dependent increased risk for BCC (OR, 1.54; CI, 1.14-2.13; p < 0.001) of the face. CONCLUSIONS: Nonwhite patients were significantly younger and more likely to be diagnosed with nonfacial BCC. Thus, we hypothesize that BCC pathogenesis may not be as closely related to cumulative sun exposure as for white patients. Alcohol intake is an important modifiable risk factor.
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 ».