INCIDENCE AND PREDICTORS OF POST-TRANSPLANT MALIGNANCY IN LIVER TRANSPLANT RECIPIENTS: A SINGLE-CENTRE COHORT STUDY
Notice bibliographique
Résumé
Cancer is a major long-term complication after liver transplantation (LT). We aimed to characterize its incidence and risk factors in LT recipients at a Canadian center. Retrospective cohort of patients who underwent LT from 2007–2018, with at least 60 months of follow-up. Demographic, clinical, and oncologic data were analyzed using Cox regression. We included 575 LT recipients (30% women, median age 53.6 years). Main etiologies were ALD (22.9%), HCV (20.8%), MASLD (13.3%), and PSC (11.1%). HCC was present at LT in 25.7%. During follow-up, 55 patients (9.7%) developed cancer, most commonly non-melanoma skin cancer (3.5% of all recipients), followed by head and neck tumors (1.0%), PTLD (0.9%), gastrointestinal cancers (0.9%), and neuroendocrine tumors (0.7%). Mean time to cancer diagnosis was 27.3±19.1 months. Additionally, 20 patients (3.4%) developed post-LT HCC, with 90% being recurrences. Cancer types differed by underlying etiology (p=0.004): non-melanoma skin cancers predominated in SLD and viral hepatitis, while GI cancers were most common in autoimmune liver disease. Among those with prior HCC, 16.8% developed a non-HCC cancer, mostly skin cancer. In multivariate analysis, pre-LT HCC was independently associated with post-LT non-HCC cancer (HR 2.66; 95% CI 1.39–5.07; p=0.003), while age, gender, alcohol or tobacco use, and liver disease etiology were not. Cancer occurred in nearly 10% of LT recipients, mostly within three years. A history of HCC at LT tripled the risk of subsequent non-HCC cancer, highlighting the importance of targeted cancer surveillance in this high-risk population.
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 | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».