Risk Factors Associated With Incidence of Lung Cancer in Never-Smokers: A Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
Objectives: Lung cancer is the leading cause of cancer mortality globally. Although often associated with smoking, up to 25% of cases worldwide and 50% in East Asia occur in "never-smokers." There are currently no robust tools for predicting lung cancer in individuals who have never smoked (LCINS) for populations outside East Asia.Together with a group of patient representatives, the authors of this study aimed to summarise risk factors for LCINS and quantify risk in different geographical regions. Methods: This study was prospectively registered (PROSPERO-CRD42022379253). The systematic review and meta-analysis included studies published from 2017 and aimed to comprehensively investigate risk factors associated with LCINS incidence. Risk of bias was assessed using Newcastle-Ottawa Scale. Results: A total of 6725 reports were identified and 54 studies were included, with multivariable analysis of 192 factors in 16 million never-smokers. No studies were assessed as having high risk of bias. Of the participants, 8,241,269 (51.0%) were from Western countries.The meta-analysis found that female sex (adjusted hazard ratio [aHR] 1.28 [95% confidence interval or CI 1.12-1.47]), previous cancer (aHR 2.04 [1.95-2.13]), rheumatoid arthritis (aHR 1.41 [1.15-1.73]), passive smoking (aHR 1.30 [1.22-1.40]), PM10 (aHR 1.10 [1.09-1.11]), and PM2.5 (aHR 1.16 [1.03-1.30]) pollution were associated with LCINS. In planned subgroup analyses by region, LCINS was associated with family history of lung cancer in East Asian (aHR 1.56 [1.23-1.98]) but not Western countries (aHR 0.86 [0.35-2.11]). Conclusion: We found key factors linked with LCINS, including female sex, rheumatoid arthritis, and pollution and, for the first time, quantified their association through meta-analyses of studies globally. This may be used to develop tools to detect LCINS earlier.
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 | 0,015 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,009 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| 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 | 0,001 |
| 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 ».