Transplante renal e risco de câncer de cabeça e pescoço : revisão sistemática e meta-análise
Notice bibliographique
Résumé
Kidney transplantation and head and neck cancer risk: systematic review and meta-analysis Paulo Ricardo Saquete Martins Filho, Aracaju/SE, Brazil, 2013. Background: Kidney transplantation is considered the treatment of choice for end-stage kidney disease, but a wide-ranging excess risk of post-transplant malignancies has been recognized as a complication of long-term immunosuppression. De novo malignancies are important cause of morbidity and mortality in kidney recipients. We performed a systematic review and meta-analysis to determine the risk of head and neck cancer after kidney transplantation. Methods: A systematic search was performed in PUBMED, EMBASE, SCOPUS, and LILACS databases to identify cohort studies reporting on the risk of head and neck cancer in kidney recipients. The assessment of validity of selected studies was performed using the STROBE statement and the Newcastle-Ottawa Scale (NOS) for Cohort Studies. Only studies with NOS ≥ 6 were included in the meta-analysis. Pooled relative risks (RR) were calculated using the Mantel-Haenszel or DerSimonian-Laird method, depending on statistical heterogeneity. To detect publication bias, Egger‟s test, Duval and Tweedie‟s analysis, and leave-one-out sensitivity analysis were conducted. Results: A total of 9 high-quality cohort studies were included in the meta-analysis. The pooled RR of head and neck cancer after kidney transplantation was 8.2 (95% CI 4.0-16.6, p<0.0001). A significant excess risk of cancer was observed in the lip (RR = 43.6, 95% CI 24.2-78.4, p<0.0001). The pooled RR of oral cavity/pharynx and salivary gland was 3.5 (95% CI 2.5-5.0, p<0.0001) and 5.6 (95% CI 1.3-24.0, p = 0.020), respectively. No evidence of publication bias was observed. Conclusion: There is an increased risk of head and neck cancer after kidney transplantation. The head and neck should be examined routinely during the post-transplant surveillance.
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 | 0,016 | 0,038 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,017 | 0,050 |
| Bibliométrie | 0,009 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».