MétaCan
Menu
← Retour à la cohorte
Enregistrement W7161985346 · doi:10.82308/36648

Cancers attributable to infections in North America

2022· dissertation· en· W7161985346 sur OpenAlexaboutno aff
Diana Volesky

Notice bibliographique

Revuenon disponible
Typedissertation
Langueen
DomaineMedicine
ThématiqueViral-associated cancers and disorders
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCancerPopulationVirusViral diseaseOncovirus

Résumé

récupéré en direct d'OpenAlex

Les infections sont un facteur clé de l'incidence du cancer et comptent parmi les causes de cancer les plus faciles à modifier. Le potentiel inexploité de la prévention des infections cancérigènes rend prioritaire la quantification de leur impact sur l'incidence du cancer. Pourtant, la littérature existante manque d'estimations complètes de l'impact des infections sur l'incidence du cancer en Amérique du Nord.L'objectif de cette recherche était d'évaluer l'impact de sept infections sur l'incidence du cancer en Amérique du Nord. Les fractions étiologiques du risque ont été utilisées pour estimer la proportion de l'incidence du cancer associée à une infection donnée. Pour calculer une fraction étiologique du risque, il faut connaître la prévalence de l'infection dans la population générale et son risque relatif associé au cancer ou, lorsque les preuves mécanistiques le permettent, la prévalence de l'infection dans le tissu cancéreux. La prévalence de l'infection dans la population générale pour les virus de l'hépatite B et C (VHB, VHC) et Helicobacter pylori (H. pylori) a été dérivée des études sérologiques de la population nord-américaine. Des méthodes de méta-analyse ont été utilisées pour calculer les mesures regroupées de l'association (pour le VHB, le VHC et H. pylori) et la prévalence dans les cas de cancer (pour le virus d'Epstein-Barr [VEB], le virus du papillome humain [VPH], le virus herpétique humain de type 8 et le virus humain T-lymphotrope de type 1).Après avoir analysé 61 études couvrant 20 cancers différents, nous avons constaté que 3,7% des 189 530 cancers diagnostiqués chez les personnes âgées de ≥18 ans au Canada en 2015 étaient attribuables à des infections. Après avoir analysé 125 études couvrant 26 cancers différents, nous avons constaté que sur les 1 662 102 cancers diagnostiqués chez les personnes âgées de ≥20 ans aux États-Unis en 2017, 4,3% étaient attribuables à des infections. Le VPH était la plus importante cause infectieuse de cancer, représentant 54,0 % des cancers attribuables aux infections au Canada et 53,8% aux États-Unis.Ensuite, par le biais d'une revue systématique et d'une méta-analyse, nous avons estimé la part des cancers incidents chez les individus âgés de moins de 20 ans en Europe et en Amérique du Nord en 2020 qui sont attribuables à l'EBV. Nous avons constaté que 2,6% des 42 654 cancers incidents estimés étaient attribuables à l'EBV, dont 76,3% de lymphomes Hodgkiniens.Enfin, nous avons estimé la part future des cancers causés par quatre infections majeures (VHB, VHC, H. pylori et VPH). Le fardeau futur a été calculé par modélisation : Des réductions relatives de 10%, 25% et 50% de la prévalence du VHB, du VHC et de H. pylori, ainsi que différents niveaux de couverture vaccinale contre le VPH dans les écoles (inférieur, actuel, supérieur) sur l'incidence des cancers au Canada d'ici 2042. Nous avons constaté que près de 16 000 cancers pourraient être évités au Canada de 2018 à 2042 avec une réduction relative de 50% de la prévalence du VHB, du VHC et du H. pylori et une couverture vaccinale contre le VPH de 80% chez les filles et les garçons.Tout en confirmant l'impact important des infections sur l'incidence du cancer en Amérique du Nord, ces résultats indiquent que les infections représentent une cible clé pour le développement d'efforts de prévention et la poursuite ou l'accélération des approches actuelles visant à réduire la prévalence et le fardeau du cancer associé au VHB, VHC, H. pylori et VPH

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)0,002
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: aucune
Score de désaccord entre enseignants0,089
Score d'incertitude au seuil0,177

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0020,005
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,010
Tête enseignante GPT0,293
Écart entre enseignants0,283 · 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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetViral-associated cancers and disorders→Travaux en français237 207→