Bibliographic record
Abstract
L'hypertension et les médicaments antihypertenseurs ont été reliés au risque de cancer depuis plus de 3 décennies. Dans cette thèse, nous abordons certaines des faiblesses des études menées jusqu'ici en réalisant une étude de population observationnelle à l'aide la base de données de santé de Saskatchewan. Nous avons suivi 77887 sujets dont le traitement antihypertenseurs avait été initié entre 1980 et 1987 jusqu'à fin 2004. Une analyse cas-témoin nichée dans cette cohorte a indiqué une petite diminution du risque de cancer (toutes causes confondues) chez les utilisateurs de bétabloquants comparativement aux utilisateurs de diurétiques thiazidiques (OR incident 0.9; IC 95% 0.85-0.96, décès 0.91; 0.83-0.99) due en grande partie à une diminution du risque de cancer du colon (OR incident 0.79 ; 0.67-0.93, décès 0.74 ; 0.57-0.97). Nous n'avons observé aucune autre différence de risque entre les utilisateurs des classes d'antihypertenseurs les plus communément prescrites, toute cause de cancer confondue et concernant les cancers les plus fréquents. Dans une sous-cohorte de 42270 sujets qui ont commencé à employer des médicaments antihypertenseurs de façon régulière pour l'hypertension, ceux qui ont commencée utilisation régulière sous l'âge de 60 ans ont eu un plus grand risque de cancer (RR incident 1.34 ; 1.18-1.56, décès 1.21; 1.08-1.36) comparativement à la population générale tandis que les sujets plus âgés avaient un risque diminué (RR incident 0.88; 0.78-0.98, décès 0.88; 0.80-0.97). Les rapports de taux étaient élevés ou diminués selon le site du cancer considéré et restaient inchangés après exclusion des cancers survenus lors des 10 premières années de suivi. Cependant, l'absence de prise en compte des différences, quoique mineures, d'estimation des taux de cancer entre la population générale et une cohorte exposée a entrainé un biais substantiel qui peut expliquer certaines des divergences t
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".