MétaCan
Menu
← Retour à la cohorte
Enregistrement W4417405474 · doi:10.2196/81092

Clinical Epidemiology of Cancer in People Living With HIV in Germany: Retrospective, Observational, Multicenter Federated Claims Data Analysis

2025· article· en· W4417405474 sur OpenAlexvenueno aff
Bastian Reiter, Stefanie Andreas, Linnea Schumann, Bernd Bender, Isabel Schnorr, A Heidenreich, Christoph Stephan, Andrea Prunotto, Andrea Laukhuf, Julius Wehrle, Matthias C. Müller, Fabio Aubele, Marlien Hagedorn, Fady Albashiti, Ulrich Seybold, Julia Roider, Melanie Stecher, Daniel Maier, Jörg Janne Vehreschild

Notice bibliographique

RevueJMIR Public Health and Surveillance · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueViral-associated cancers and disorders
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEpidemiologyMultidisciplinary approachCancerHuman immunodeficiency virus (HIV)Medical diagnosisMEDLINEPublic healthCancer registry

Résumé

récupéré en direct d'OpenAlex

Background: People living with HIV are at increased risk for developing cancer, a leading cause of death in this population. The management of cancer in people living with HIV is particularly challenging, necessitating specialized, interdisciplinary care. However, insights into cancer care provision for people living with HIV in Germany remain scarce. Objective: This study analyzed inpatient cancer care for people living with HIV, comparing treatment patterns and complications with those of an HIV-negative control group. Using claims data from 3 German university hospitals related to admissions between 2005 and 2022, we aimed to identify care disparities and provide evidence to support improved cancer management. Methods: A customized federated approach was used to analyze inpatient claims data of patients across the 3 data-holding institutions. The data included demographics, diagnoses, procedures, and treatment codes as well as discharge information. Using nearest-neighbor matching, we analyzed demographic features, cancer diagnoses, anticancer therapies, and outcomes in people living with HIV and cancer and for a control group of HIV-negative patients with cancer. Results: Among 162,380 patients, 907 (0.6%) were people living with HIV and cancer. The count of cancer diagnoses declined over time, particularly for AIDS-defining cancers (total cancer diagnoses: P=.001; AIDS-defining cancers: P=.002), with a shift toward older age at diagnosis. Compared with matched controls, people living with HIV and cancer had longer hospital stays, experienced more postchemotherapy complications (cancer with HIV: 64/907, 15.6%; cancer without HIV: 20/907, 5.5%; P<.001), and showed higher rates of metastasis after initial diagnosis (cancer with HIV: 128/267, 47.9%; cancer without HIV: 97/287, 33.8%; P<.001). People living with HIV and cancer also showed increased in-hospital mortality, although mortality declined over time (P=.02). Our data suggested differences in documented therapy modalities between the compared groups, with people living with HIV and cancer receiving more chemo- and immunotherapy and less surgery. Conclusions: Using federated analysis techniques, we were able to show that cancer diagnoses and mortality among people living with HIV in Germany have decreased over time; however, disparities in treatment and outcomes persisted as compared with HIV-negative patients with cancer. Our findings underscore the need for tailored, multidisciplinary care strategies to improve cancer management for this 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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,036

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,005
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,086
Tête enseignante GPT0,425
Écart entre enseignants0,338 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Public Health and Surveillance→Même sujetViral-associated cancers and disorders→Travaux en français237 207→