Ambient air pollution and survival in SCLC/LCNEC: Analysis of a single centre retrospective cohort
Notice bibliographique
Résumé
Background Small cell lung cancer (SCLC) and large cell neuroendocrine carcinoma of the lung (LCNEC) are the deadliest forms of lung cancer with dismal prognosis. Recent evidence suggests that, beyond cigarette smoke, air pollution can have a role in the pathogenesis of non-small cell lung cancer (NSCLC) and is associated with poorer survival. However, whether air pollutants exposure could affect survival outcomes in SCLC/LCNEC is unknown. Methods We retrospectively analysed data from SCLC/LCNEC cases observed in the province of Brescia province Brescia between 2017 and 2021. Air pollutants mean concentrations were calculated during the same timeframe and the Brescia province was divided in six subareas dichotomized into lightly and heavily polluted areas based on the mean PM 2.5 concentrations. Primary endpoint was to determine the impact of air pollutants exposure on SCLC/LCNEC overall survival (OS). Additionally, we explored the distribution of SCLC/LCNEC across the subareas classified for different air pollutants concentrations. Findings We observed 221 cases of SCLC/LCNEC, accounting for about 18% of new lung cancer cases. Residency in heavily polluted areas (HR 1.51, p=0.03) and extensive stage disease at diagnosis (HR 2.47, p=0.0001) emerged as independent factors for poorer survival. Exploratory analyses showed an association between the distribution of SCLC/LCNEC cases and higher PM 10 and NO 2 concentrations (OR 1.16, p<0.001 and OR 1.46, p<0.001, respectively). Interpretation These results indicate that long-term exposure to high levels of PM 2.5 represent an independent unfavourable prognostic factor for SCLC/LCNEC. Our data suggest that air pollution may also favour the onset of these malignant diseases. Case-control studies are warranted to confirm these preliminary results.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».