发表在第8卷第4期(2022):10 - 12月

本文的预印本(早期版本)可在以下网站获得https://preprints.www.mybigtv.com/preprint/35310,第一次出版
印第安纳州成年癌症患者的COVID-19诊断和死亡风险:回顾性队列研究

印第安纳州成年癌症患者的COVID-19诊断和死亡风险:回顾性队列研究

印第安纳州成年癌症患者的COVID-19诊断和死亡风险:回顾性队列研究

原始论文

1生物医学信息学中心,美国印第安纳波利斯Regenstrief研究所

2理查德·费尔班克斯公共卫生学院,印第安纳大学,印第安纳波利斯,美国

3.美国印第安纳波利斯退伍军人卫生管理局理查德·l·劳德布什退伍军人医疗中心卫生信息和通信中心,卫生服务研究与发展服务

4印第安纳大学医学院外科,印第安纳波利斯,美国

5美国印第安纳波利斯瑞根斯特里夫研究所卫生服务研究中心

*这些作者贡献相同

通讯作者:

Brian E Dixon, MPA,博士

理查德M.费尔班克斯公共卫生学院

印第安纳大学

Wishard Boulevard 1050号,5楼和6楼

在印第安纳波利斯,46202 - 2872

美国

电话:1 3172783072

电子邮件:bedixon@regenstrief.org


背景:以前的研究通常在单个中心进行,样本量小,发现癌症患者由于由SARS-CoV-2感染引起的COVID-19经历了更严重的后果。尽管早期检查显示癌症患者发生严重后果的风险更大,但风险增加的程度尚不清楚。此外,之前的研究通常没有使用人口水平的数据,特别是在美国。鉴于人群可采用强有力的预防措施(如疫苗),使用电子医疗记录的强有力的人群水平分析来检查因SARS-CoV-2感染而患癌症患者的风险增加是有必要的。

摘要目的:本文的目的是评估SARS-CoV-2感染与近期确诊的成年癌症患者全因死亡率之间的关系。

方法:我们对2019年1月1日至2020年12月31日期间新诊断的癌症成人进行了回顾性队列研究,使用与全州范围内的SARS-CoV-2检测数据库相关的电子健康记录。主要结局是全因死亡率。我们使用Kaplan-Meier估计器来估计COVID-19期间(2020年1月15日至2020年12月31日)的生存率。我们进一步在多变量Cox比例风险模型中将SARS-CoV-2感染建模为时间依赖性暴露(不朽时间偏差),该模型调整了临床和人口统计学变量,以估计新诊断的成人癌症患者的风险比(hr)。采用上述方法对具有癌症分期信息的个体进行敏感性分析。

结果:在研究期间,41924名成年人被确诊为新诊断的癌症,其中2894人(6.9%)检测出SARS-CoV-2阳性。该人群由白人(n=32,867, 78.4%)、黑人(n=2671, 6.4%)、西班牙裔(n=832, 2.0%)和其他(n=5554, 13.2%)种族背景组成,包括男性(n=21,354, 50.9%)和女性(n=20,570, 49.1%)个体。在COVID-19期间分析中,在调整了年龄、性别、种族或民族、共病、癌症类型和地区后,死亡风险增加了91%(调整HR 1.91;95% CI 1.76-2.09),在调整其他协变量后,与covid -19前时期(2019年1月1日至2020年1月14日)相比。在调整后的时间依赖分析中,SARS-CoV-2感染与全因死亡率增加相关(调整后HR 6.91;95%可信区间6.06 - -7.89)。65岁及以上的成年人死亡率增加2.5倍(调整HR 2.74;与18-44岁成人相比,男性的95% CI 2.26-3.31)(调整HR 1.23;95% CI 1.14-1.32),与女性个体、≥2例慢性疾病患者(调整后HR 2.12;95% CI 1.94-2.31)与无共病者比较。 Risk of mortality was 9% higher in the rural population (adjusted HR 1.09; 95% CI 1.01-1.18) compared to adult urban residents.

结论:研究结果强调,在最近诊断出癌症的患者中,死亡风险的增加与SARS-CoV-2感染有关。风险升高强调了在成年癌症人群中坚持社交距离、佩戴口罩、接种疫苗和定期检测的重要性。

JMIR癌症2022;8 (4):e35310

doi: 10.2196/35310

关键字



截至2022年7月,美国已有100多万人死于COVID-19 [1].某些患者亚群,如老年人以及高血压、糖尿病和慢性肺部疾病等慢性疾病患者,已被证明因COVID-19而患病和死亡的风险增加[2].鉴于癌症患者中由于疾病和治疗导致的免疫抑制,感染COVID-19、需要住院和重症监护并有死亡风险的癌症患者的风险越来越大[3.-5].

由于传播增加,作为预防措施,癌症护理提供者在大流行开始时对癌症患者的管理进行了全面改革,包括改变放疗疗程、免疫疗法和口服药物而不是静脉化疗[6-9].这些变化是基于早期证据提出的,主要来自美国以外的地方。来自中国的早期研究[10-12]报告称,癌症患者因COVID-19的死亡率比非癌症患者高出2至4倍,而一些规模较小的研究报告称,病死率为29% [13和更糟糕的结果[3.在患有COVID-19的癌症患者中。来自欧洲和美国的一些研究调查了癌症亚人群的死亡率,并证明34% [14与血液肿瘤相比,实体瘤患者增加。来自美国的一项回顾性队列研究发现,血液肿瘤患者的住院率是实体肿瘤患者的2.5倍,65岁及以上成人的住院率是65岁及以下患者的67% [15].

美国以前的研究一般是在单一机构进行的,大多数样本量小,重点关注病死率[416].在英国进行的一些规模较大的研究评估了病死率[17并横向比较积极接受癌症治疗的个体的全因死亡率[1819].然而,这些研究没有报告抗癌治疗的负面结果,这表明死亡率是由人口统计学因素和共病驱动的[1819].此外,先前的研究[4121520.一般在感染SARS-CoV-2病毒后患有COVID-19严重疾病的人群中进行检测。这些研究是在大流行的头6个月内进行的,对我们了解新型COVID-19非常重要。既然大流行已经开始两年多了,就有必要进行更大规模的回顾性分析,以更好地了解COVID-19对癌症患者死亡率的风险。随着对COVID-19的额外保护变得广泛,例如为有免疫抑制情况的个人接种有效疫苗[21-26],癌症患者应了解自己的风险,以便在预防和治疗方面作出明智的选择。

这项研究的目的是评估最近被诊断出癌症的大型全州成人队列中SARS-CoV-2感染和死亡的风险。这项研究的独特之处在于它使用了人口方法来估计风险,而不是早期的研究从一个城市或地区的单一机构或医院网络。该研究的进一步独特之处在于它使用了基于感染的风险,而不是检查到诊所或医院接受治疗的患者。从与政府、医院和私营SARS-CoV-2检测中心相关联的电子医疗记录中获取的全面癌症诊断,使健壮的数据捕捉得以实现,可用于检查人群级别的风险。


概述

我们对最近诊断出癌症的所有18岁及以上的个体进行了回顾性队列研究。数据来自瑞根斯特里夫研究所的印第安纳患者护理网络(INPC)。INPC [27]是全球最大的区域卫生信息交换(HIE)网络之一,包含超过1700万份患者级医疗记录。医疗记录是使用《国际疾病分类》第十版代码在人口中确定癌症诊断的来源。此外,由于它在COVID-19大流行期间支持人口水平监测方面的作用[2829, INPC的医疗记录与全州的政府、医院和私人的SARS-CoV-2检测数据相关联。综合数据集提供了整个研究期间癌症诊断和SARS-CoV-2感染的综合信息。这包括未接受医疗护理的SARS-CoV-2阳性癌症患者(如无症状者和症状轻微者)的信息。INPC还包含印第安纳州卫生部提供的死亡证明信息(如死亡日期)。这使得能够确定未在医院接受COVID-19治疗的个人的死亡状况。

所有在2019年1月1日至2020年12月31日期间被诊断出癌症的18岁及以上的个体都被纳入了这项研究。既往有癌症病史的个体(如2019年1月1日前确诊的)被排除在外。因为大多数机构的INPC诊断可追溯到2011年,数据源拥有充分的癌症诊断和治疗记录。根据实践指南,如果从喉咙或鼻子拭子中提取的逆转录聚合酶链式反应检测结果为SARS-CoV-2病毒阳性,则被视为COVID-19患者。未经逆转录聚合酶链反应试验的临床或放射诊断为COVID-19的参与者未纳入本研究。本报告基于《加强流行病学观察性研究报告(STROBE)队列研究指南》[30.].

协变量

本研究的协变量包括从INPC获得的人口学和临床变量。人口统计变量包括年龄组(18-44岁、45-64岁和≥65岁)、性别、种族或民族(白人、黑人、西班牙裔和其他)和居住地区(农村或城市)。居住地区是根据城乡通勤区号定义的[31].临床变量为慢性疾病的数量、癌症类型和分期。慢性疾病变量的数量分为(“0”、“1”和“≥2”),癌症类型按照《国际疾病分类》第10版修订代码进行分类(表S5)多媒体附录1).“其他”类别包括骨和关节组织、内分泌腺、中枢神经系统、间皮瘤和软组织、男性生殖器官(不包括前列腺)和女性生殖器官的癌症。“其他消化系统”癌症组包括食道、胃、小肠、肝脏和肝内胆管、胆囊和胰腺。非黑素瘤皮肤癌患者被排除在研究之外[1718].慢性疾病的名单,从以前的研究中获得[101718],包括高血压、糖尿病、冠心病、慢性肾病、脑血管病、肝炎和慢性阻塞性肺疾病。

使用自然语言处理从INPC中存储的临床记录中的免费文本中获取分期信息。我们使用nDepth,一种由Regenstrief研究所开发的自然语言处理工具,从印第安纳州综合癌症中心提供给INPC的肿瘤记录中提取肿瘤-节点-转移的概念。这项工作是在以前的研究基础上发展起来的,并在早期的研究中得到了验证[32-35].根据肿瘤-节点-转移的分类,将癌症分期变量分为I、II、III和IV [36].

曝光

我们将从癌症诊断到SARS-CoV-2感染的时间作为一个时间依赖变量作为第一个暴露变量。我们进一步将时间作为二元变量定义为COVID-19期间,其中COVID-19前(2019年1月1日至2020年1月14日)期间编码为0,COVID-19期间(2020年1月15日至2020年12月31日)编码为1。

结果

主要终点为全因死亡率,评估时间为2019年1月1日至2020年12月31日。在这项分析中,所有在2020年12月31日活着的个体都被视为右删减观察。

道德的考虑

研究获得了印第安纳大学机构审查委员会的批准(豁免协议#2009667926)。由于追溯使用了医疗记录中已存在的、已识别的数据,因此放弃了知情同意。

统计分析

基线人口学和临床特征的描述性统计在表1.使用Kaplan-Meier方法(图1-5).

研究期自2019年1月1日开始,随访结束于患者死亡或2020年12月31日研究期结束时。通过这种方法,我们比较了COVID-19期间(2020年1月15日至2020年12月31日)与COVID-19前期间(2019年1月1日至2020年1月14日)的死亡率。我们允许在2020年1月14日对covid -19前期间的幸存者随访进行审查,计入每个时期每个事件的可比平均时间。首先,我们使用非参数Kaplan-Meier估计器对COVID-19和COVID-19前时期的生存函数进行了估计。接下来,我们使用Cox比例风险模型估算了COVID-19期间变量对全因死亡率的影响,该模型对其他人口统计学和临床变量进行了调整。

我们评估了SARS-CoV-2感染作为时间依赖性暴露。我们将在SARS-CoV-2实验室检测呈阳性前所花的时间分配给未感染COVID-19的组,将在首次SARS-CoV-2实验室检测呈阳性后所花的时间分配给确诊感染COVID-19的组。这种依赖于时间的方法减少了永恒的时间偏差[37].我们使用与时间相关的Cox比例风险模型估算了死亡率风险比[38调整相关协变量并评估比例性[39的累积鞅残差假设和Supremum检验。

表1。2019-2020年印第安纳州2019-2020年(N= 41924)在COVID-19前(2019年1月1日至2020年1月14日)和COVID-19(2020年1月15日至2020年12月31日)期间诊断为癌症的研究队列特征。
特征 Pre-COVID-19时期 COVID-19时期 总计



No (n=18,895), n (%) 是(n=2074), n (%) No (n=19,631), n (%) 是(n=1324), n (%)
年龄(年)

18-44 1638 (8.7) 86 (4.2) 1635 (8.3) 30 (2.3) 3389 (8.1)

45 - 64 7005 (37.0) 631 (30.4) 7100 (36.2) 366 (27.6) 15102 (36.0)

≥65 10252 (88.3) 1357 (65.4) 10896 (55.5) 928 (70.1) 23433 (55.9)
种族或民族

白色 15051 (79.6) 1694 (81.7) 15015 (76.5) 1107 (83.6) 32867 (78.4)

黑色的 1239 (6.6) 166 (8.0) 1173 (6.0) 93 (7.0) 2671 (6.4)

拉美裔 416 (2.2) 28日(1.3) 371 (1.9) 17 (1.3) 832 (2.0)

其他 2189 (11.6) 186 (9.0) 3072 (15.6) 107 (8.1) 5554 (13.2)

9345 (49.5) 889 (42.9) 9725 (49.5) 611 (46.1) 20570 (49.1)

男性 9550 (50.5) 1185 (57.1) 9906 (50.5) 713 (53.9) 21354 (50.9)
并发症

0 13863 (73.4) 1095 (52.8) 14567 (74.2) 699 (52.8) 30224 (72.1)

1 3221 (17.0) 495 (23.9) 3313 (16.9) 324 (24.5) 7353 (17.5)

≥2 1811 (9.6) 484 (23.3) 1751 (8.9) 301 (22.7) 4347 (10.4)
癌症

乳房 2743 (14.5) 101 (4.9) 2919 (14.9) 34 (2.6) 5797 (13.8)

结直肠 1391 (7.4) 131 (6.3) 1438 (7.3) 83 (6.3) 3043 (7.3)

白血病 665 (3.5) 95 (4.6) 714 (3.6) 65 (4.9) 1539 (3.7)

嘴唇,口腔和咽部 415 (2.2) 48 (2.3) 466 (2.4) 25 (1.9) 954 (2.3)

肺,气管和支气管 1629 (8.6) 431 (20.8) 1662 (8.5) 322 (24.3) 4044 (9.6)

淋巴瘤 821 (4.3) 100 (4.8) 859 (4.4) 51 (3.8) 1831 (4.4)

骨髓瘤 411 (2.2) 46 (2.2) 328 (1.7) 26日(2.0) 811 (1.9)

其他血液 97 (0.5) 7 (0.3) 89 (0.5) 2 (0.1) 195 (0.5)

其他消化 1033 (5.5) 367 (17.7) 1139 (5.8) 225 (17.0) 2764 (6.6)

前列腺癌 2592 (13.7) 103 (5.0) 2729 (13.9) 44 (3.3) 5468 (13.0)

皮肤黑色素瘤() 2734 (14.5) 98 (4.7) 2511 (12.8) 43 (3.2) 5386 (12.8)

尿路 1270 (6.7) 125 (6.0) 1399 (7.1) 78 (5.9) 2872 (6.8)

其他一个 3094 (16.4) 422 (20.3) 3378 (17.2) 326 (24.6) 7220 (17.2)
COVID-19积极

没有 17545 (92.9) 1942 (93.6) 18346 (93.4) 1197 (90.4) 39030 (93.1)

是的 1350 (7.1) 132 (6.4) 1285 (6.5) 127 (9.6) 2894 (6.9)
地区

城市 14436 (76.4) 1536 (74.1) 14222 (72.5) 952 (71.9) 31146 (74.3)

农村 4459 (23.6) 538 (25.9) 5409 (27.5) 372 (28.1) 10778 (25.7)

一个包括骨和关节组织恶性肿瘤、内分泌腺、中枢神经系统、间皮瘤和软组织、男性生殖器官(不包括前列腺)、女性生殖器官等癌症类型。

图1。2019-2020年,印第安纳州按年龄组(年)划分的总体癌症人群Kaplan-Meier生存估计。
把这个图
图2。2019-2020年印第安纳州按性别划分的总体癌症人群Kaplan-Meier生存估计。
把这个图
图3。2019-2020年,印第安纳州按种族和族裔划分的总体癌症人口Kaplan-Meier生存估计。
把这个图
图4。2019-2020年,印第安纳州,按共病数量划分的总体癌症人群Kaplan-Meier生存估计。
把这个图
图5。2019-2020年,印第安纳州,按SARS-CoV-2诊断的总体癌症人群Kaplan-Meier生存估计。
把这个图

敏感性分析

我们进一步对两种方法(时间依赖性分析和COVID-19周期分析)进行了敏感性分析,并对癌症分期进行了额外调整。分期变量的缺失被认为是“缺失而非随机的”;因此,我们对具有癌症分期变量信息的个体进行了分析。基线特征见表S1多媒体附录1, 2019冠状病毒病时期分析见表S2多媒体附录1,从癌症到COVID-19诊断的时间依赖分析见表S3多媒体附录1

针对2020年1月15日至2020年12月31日期间发生的癌症病例的个体进行了额外的时间依赖分析,以进一步减少可能存在的永久时间偏差(表S4)多媒体附录1).所有的比较都是双面的P<.05was considered statistically significant. Analyses were conducted with SAS version 9.4 (SAS Institute).


群体特征

研究人群包括2019年1月1日至2020年12月31日期间被诊断为癌症的41924人(表1).其中实验室确诊病例2894例(6.2%)。癌症患者以白人(n=32,867, 78.4%)和男性(n=21,354, 50.9%)居多。大约五分之一(n=3221, 17.0%)的癌症患者具有单一的共病条件,十分之一(n=1811, 9.6%)在癌症诊断时具有≥2种共病条件。在研究期间,大多数患者被诊断为乳腺癌(n=5797, 13.8%)、前列腺癌(n=5468, 13.0%)和黑色素瘤(n=5386, 12.8%)。

全因死亡率

在研究期间,3398人(8.1%)死亡。在COVID-19期间,有1324人(38.9%)死亡。在COVID-19期间死亡的个人中,127人(9.6%)对SARS-CoV-2检测呈阳性(表1).

COVID-19周期分析

2019冠状病毒病时期分析(表2)根据年龄、性别、种族或民族、共病数量、癌症类型和居住地区进行了调整。在COVID-19期间,死亡率提高了91%(调整后的死亡率为1.91;95%可信区间1.76 - -2.09;P<.001)。在65岁及以上的成年人中,死亡风险高出3倍(调整HR 3.35;95%可信区间2.58 - -4.35;P<.001)与18-44岁年龄组的成年人相比。农村居民中成年人的死亡风险(调整HR 0.99;95%可信区间0.91 - -1.09;P= 0.87)比城市居民低1%,但没有统计学意义。

表2。使用2019- 19前和2019- 19期间的地标以及2019-2020年印第安纳州全因死亡率(N= 41924)的未调整和调整cox回归分析。
变量 未经调整的 调整

估计(SE) 风险比(95% CI) P价值 估计(SE) 风险比(95% CI) P价值
Covid-19时期一个

没有 N/Ab 参考 <措施 N/A 参考 <措施

是的 0.63 (0.04) 1.88 (1.73 - -2.05)
0.65 (0.04) 1.91 (1.76 - -2.09)
年龄(年)

18-44 N/A 参考 <措施 N/A 参考 <措施

45 - 64 0.91 (0.13) 2.48 (1.91 - -3.22)
0.86 (0.13) 2.36 (1.81 - -3.08)

≥65 1.33 (0.13) 3.80 (2.94 - -4.91)
1.20 (0.13) 3.35 (2.58 - -4.35)


N/A 参考 <措施 N/A 参考 <措施

男性 0.16 (0.04) 1.17 (1.08 - -1.27)
0.18 (0.04) 1.20 (1.10 - -1.30)
种族或民族

白色 N/A 参考 <措施 N/A 参考 <措施

黑色的 0.13 (0.08) 1.14 (0.98 - -1.34)
0.14 (0.08) 1.15 (0.98 - -1.34)

拉美裔 -0.74 (0.21) 0.48 (0.32 - -0.72)
-0.60 (0.21) 0.55 (0.36 - -0.83)

其他 -0.27 (0.07) 0.76 (0.66 - -0.87)
-0.20 (0.07) 0.82 (0.71 - -0.94)
并发症

0 N/A 参考 <措施 N/A 参考 <措施

1 0.66 (0.05) 1.94 (1.76 - -2.15)
0.39 (0.05) 1.48 (1.33 - -1.63)

≥2 1.20 (0.05) 3.31 (2.99 - -3.67)
0.82 (0.05) 2.27 (2.04 - -2.52)
癌症

其他 N/A 参考 <措施 N/A 参考 <措施

乳房 -1.82 (0.12) 0.16 (0.13 - -0.21)
-1.72 (0.13) 0.17 (0.14 - -0.23)

结直肠 -0.51 (0.09) 0.60 (0.50 - -0.72)
-0.61 (0.09) 0.54 (0.45 - -0.66)

白血病 0.08 (0.09) 1.08 (0.89 - -1.32)
-0.03 (0.10) 0.96 (0.79 - -1.17)

嘴唇,口腔和咽部 -0.52 (0.16) 0.59 (0.44 - -0.81)
-0.60 (0.16) 0.55 (0.40 - -0.75)

肺癌和支气管 0.59 (0.06) 1.82 (1.61 - -2.04)
0.33 (0.06) 1.39 (1.23 - -1.57)

淋巴瘤 -0.28 (0.11) 0.76 (0.61 - -0.93)
-0.29 (0.11) 0.74 (0.60 - -0.92)

骨髓瘤 -0.34 (0.15) 0.71 (0.52 - -0.96)
-0.53 (0.15) 0.58 (0.43 - -0.80)

其他消化 0.72 (0.06) 2.07 (1.82 - -2.35)
0.53 (0.06) 1.69 (1.48 - -1.93)

其他血液 -1.63 (0.33) 0.41 (0.21 - -0.80)
-1.75 (0.58) 0.17 (0.06 - -0.54)

前列腺癌 -1.70 (0.12) 0.25 (0.21 - -0.30)
-1.94 (0.12) 0.14 (0.11 - -0.18)

黑素瘤 -1.83 (0.13) 0.24 (0.20 - -0.28)
-1.93 (0.13) 0.14 (0.11 - -0.19)

尿路 -0.52 (0.09) 0.67 (0.57 - -0.78)
-0.79 (0.09) 0.45 (0.37 - -0.55)
地区

城市 N/A 参考 <措施 N/A 参考 <措施

农村 0.07 (0.04) 1.07 (0.98 - -1.17)
0.007 (0.05) 0.99 (0.91 - -1.09)

一个以二元变量计算COVID-19周期;no= 2019年1月1日至2020年1月14日;yes= 2020年1月15日至2020年12月31日。

bN / A:不适用。

时间分析

在调整年龄、种族、性别、共病数量和癌症亚型后,SARS-CoV-2感染与死亡危险增加7倍相关(调整HR 6.91;95%可信区间6.06 - -7.89;P<措施;表3).男性的死亡风险高出23%(调整HR 1.23;95%可信区间1.14 - -1.32;P<.001),与女性个体相比。肺癌组全因死亡率高45%(调整HR 1.45;95%可信区间1.31 - -1.61;P<.001)和80%的其他消化系统癌症组(调整HR 1.80;95%可信区间1.61 - -2.00;P<.001),与其他癌症类型相比。

表3。2019-2020年印第安纳州非调整和调整时间依赖性(癌症诊断到COVID-19诊断)cox回归分析和全因死亡率。
变量 未经调整的 调整

估计(SE) 风险比(95% CI) P价值 估计(SE) 风险比(95% CI) P价值
Covid-19诊断

没有 N/A一个 参考 <措施 N/A 参考 <措施

是的 1.87 (0.07) 6.53 (5.72 - -7.44)
1.93 (0.07) 6.91 (6.06 - -7.89)
年龄(年)

8-44 N/A 参考 <措施 N/A 参考

45 - 64 0.69 (0.09) 2.00 (1.65 - -2.42)
0.65 (0.09) 1.91 (1.57 - -2.32)

≥65 1.20 (0.09) 3.10 (2.54 - -3.70)
1.01 (0.09) 2.74 (2.26 - -3.31)


N/A 参考 <措施 N/A 参考 <措施

男性 0.19 (0.03) 1.21 (1.13 - -1.30)
0.21 (0.04) 1.23 (1.14 - -1.32)
种族或民族

白色 N/A 参考 <措施 N/A 参考 <措施

黑色的 0.11 (0.06) 1.12 (0.98 - -1.27)
0.10 (0.06) 1.11 (0.97 - -1.26)

拉美裔 -0.50 (0.15) 0.60 (0.45 - -0.81)
-0.47 (0.15) 0.62 (0.46 - -0.84)

其他 -0.34 (0.06) 0.71 (0.63 - -0.80)
-0.23 (0.06) 0.79 (0.70 - -0.90)
并发症

0 N/A 参考 <措施 N/A 参考 <措施

1 0.65 (0.04) 1.91 (1.75 - -2.07)
0.37 (0.04) 1.44 (1.33 - -1.57)

≥2 1.15 (0.04) 3.16 (2.90 - -3.43)
0.75 (0.04) 2.12 (1.94 - -2.31)
癌症

其他 N/A 参考 <措施 N/A 参考 <措施

乳房 -1.51 (0.09) 0.22 (0.18 - -0.26)
-1.43 (0.09) 0.24 (0.20 - -0.29)

结直肠 -0.41 (0.07) 0.67 (0.57 - -0.78)
-0.51 (0.07) 0.60 (0.51 - -0.70)

白血病 0.03 (0.08) 1.03 (0.87 - -1.22)
-0.10 (0.09) 0.90 (0.76 - -1.07)

嘴唇,口腔和咽部 -0.31 (0.12) 0.73 (0.58 - -0.93)
-0.39 (0.12) 0.67 (0.53 - -0.86)

肺癌和支气管 0.63 (0.05) 1.87 (1.69 - -2.07)
0.38 (0.05) 1.45 (1.31 - -1.61)

淋巴瘤 -0.25 (0.09) 0.79 (0.66 - -0.94)
-0.31 (0.09) 0.73 (0.61 - -0.87)

骨髓瘤 -0.24 (0.12) 0.78 (0.61 - -0.99)
-0.44 (0.12) 0.64 (0.50 - -0.82)

其他消化 0.78 (0.05) 2.18 (1.96 - -2.43)
0.58 (0.05) 1.80 (1.61 - -2.00)

其他血液 -0.90 (0.33) 0.41 (0.21 - -0.78)
-1.06 (0.33) 0.35 (0.18 - -0.67)

前列腺癌 -1.38 (0.09) 0.25 (0.21 - -0.30)
-1.64 (0.09) 0.19 (0.16 - -0.23)

黑素瘤 -1.43 (0.09) 0.24 (0.20 - -0.28)
-1.56 (0.09) 0.21 (0.17 - -0.25)

尿路 -0.39 (0.08) 0.67 (0.58 - -0.79)
-0.68 (0.08) 0.50 (0.43 - -0.59)
地区

城市 N/A 参考 <措施 N/A 参考 <措施

农村 0.13 (0.04) 1.14 (1.06 - -1.23)
0.08 (0.04) 1.09 (1.01 - -1.18)

一个N / A:不适用。

敏感性分析

最后,我们在敏感性分析中评估了癌症分期变量(n=9567)的影响(表S1)多媒体附录1).SARS-CoV-2感染后死亡风险增加2.5倍以上(调整HR 2.55;95%可信区间2.17 - -2.99;P在对其他协变量和分期变量进行调整后(表S2) <.001多媒体附录1)。在时间依赖性分析中,死亡危险增加了4.5倍(调整HR 4.63;95% CI 3.58-5.99),在调整了其他协变量和分期变量后(表S3)多媒体附录1).


主要研究结果

在这项以最近诊断出癌症的个体为基础的大型人群研究中,我们发现SARS-CoV-2感染对生存产生了负面影响,死亡率增加了7倍。随着年龄的增长,有两种或两种以上共病的成年人和男性的存活率受到很大影响。患有肺癌和其他消化系统癌症的人在感染SARS-CoV-2后死亡的风险最高。这一分析为癌症患者的免疫系统往往因疾病或治疗而减弱的风险程度提供了额外的经验证据。这一证据可能有助于提供者和公共卫生当局采取措施,改善癌症患者的预后,包括为疫苗接种运动提供信息,以及鉴于美国、欧洲和其他国家持续不断的感染浪潮,需要继续警惕感染。

与之前工作的比较

这项研究的一个值得注意的发现是,与以前的研究相比,SARS-CoV-2感染的死亡风险显著增加[10111415174041].此前来自中国的病例对照研究报告了2倍[10]和三叠[11与我们在时间依赖性分析中发现的7倍增长相比,这要低得多。来自欧洲的多中心队列研究[14184041]和美国[41542他们在年龄、性别和种族等分组上也报告了类似的发现。回顾过去,我们在全州范围内的研究结果支持在大流行最严重时期作出的限制普通人群、癌症患者和其他免疫功能低下人群接触SARS-CoV-2的重要政策决定。然而,其中一些措施占用了用于控制病毒传播的资源,并减少了癌症筛查机会,导致癌症诊断率短暂下降[43].与一般人群相比,本研究中我们的SARS-CoV-2患病率(n=2894, 6.2%)大大低于一般人群(17.9%)[44在印第安纳州。因此,这表明癌症人群可能采取了预防措施,避免接触SARS-CoV-2病毒。

我们发现肺癌和其他消化系统癌症患者死亡率增加,这在一定程度上可以解释男性死亡率增加的原因。肺癌死亡率的增加可能与潜在疾病(如支气管癌)有关,或与导致严重肺损伤的冠状病毒有关[45]在2003年SARS-CoV-1疫情期间观察到的[46].它也可能与潜在的健康行为有关,包括吸烟[47],这也与肺癌有关。我们发现,与其他实体肿瘤(如肺癌、消化道肿瘤和乳腺癌)相比,血液系统恶性肿瘤的死亡率显著降低。这与一项多中心研究[14该研究发现,与实体肿瘤相比,血液系统癌症(如淋巴瘤、白血病和骨髓瘤)的死亡率增加了40%。这个相当矛盾的结果可以用先前的研究[14]将癌症分为三个更广泛的类别,如血液病癌症、实体癌症和多发性癌症,这与我们的癌症变量不同,包括个别癌症类型。与之前的工作相比,我们基于人群的分析使我们能够对单个癌症类型进行更细致的分析。

与类似研究相比[414-1618,我们考虑了时间,这更好地解释了由于SARS-CoV-2感染而增加的风险。因此,我们的研究增加了风险,强调有必要进一步继续护理计划,并与家人就治疗方案、疫苗接种和治疗期间的SARS CoV-2检测进行对话[1415].最近的研究结果表明,免疫系统受损的个人,包括癌症患者,在完全接种(如2剂mRNA疫苗)后,对COVID-19没有很强的保护作用[24-26].因此,美国疾病控制和预防中心和美国食品和药物管理局都建议,正在接受信使rna COVID-19疫苗的癌症患者应接受3剂和一剂增强剂,采取非药物干预措施,如果感染,应密切监测并尽早考虑可预防严重后果的已证实疗法[2548].

这项研究的优势包括,我们能够考虑到SARS-CoV-2感染的诊断时间,由于全球危机的性质,这是先前研究的一个限制。其次,我们能够考虑到患有癌症但没有COVID-19的个体,这使我们的研究结果与之前的研究相比有更好的背景,之前的研究只报告了患有癌症并被诊断为COVID-19的个体的发现。第三,我们能够利用来自潜在人群的大型全州HIE代表的数据,这支持将研究结果推广到癌症人群,相比于在更狭窄地理区域的单一机构或多中心研究。例如,印第安纳州三分之一的人口生活在农村地区,HIE访问的电子健康记录来自社区医院和该州3家大型区域癌症护理提供者。因此,我们的研究结果加强了癌症患者管理所需的治疗计划和护理指南的合理性,这在之前的研究中得到了强调。

限制

我们的研究有一些局限性。首先,我们的分析依赖于不同机构对SARS-CoV-2的检测和报告。这可能会少报癌症患者的COVID-19病例总数;然而,这种偏见只会针对那些从未接受过测试的人,因为HIE与全州范围的测试数据库相连。然而,在大流行早期,检测仅限于有症状的个体。这可能导致只感染了严重COVID-19的人进行检测,从而高估了严重程度。其次,在我们的研究中,我们无法解释COVID-19的严重程度和治疗混杂因素;然而,从以前的研究中,我们知道治疗潜在的癌症和定期检测是开始或继续癌症治疗的谨慎选择。此外,癌症诊断[49-53]是通过诊断代码确定的,它引入了已知的测量误差的阳性和阴性预测值。最后,大流行的影响导致全美新增癌症诊断和医疗服务大幅减少[4354]和全球性的[55-57],这可能高估了我们研究的人力资源。

结论

总之,这项针对癌症和SARS-CoV-2患者的大型研究强调了为提供肿瘤服务而持续检测和监测患者的必要性。鉴于癌症患者发生严重疾病的风险和死亡率要高得多,该研究进一步强调了癌症患者需要接受完整的疫苗接种,包括美国食品和药物管理局(Food and Drug Administration)以及美国疾病控制与预防中心(Centers for disease Control and Prevention)批准的推荐强化剂量。

致谢

这项研究部分是由印第安纳大学西蒙癌症中心通过试点拨款资助的。BED和NV还得到了美国疾病控制和预防中心(75D30120C07986)的一份合同的支持,用于研究COVID-19疫苗的有效性。资助者并没有参与审查或编辑这篇手稿。

作者还感谢了Regenstrief研究所的工作人员,包括Heidi Hosler、Lauren R Lembcke和Anna R Roberts,感谢他们在数据管理和研究后勤方面所发挥的作用。

的利益冲突

没有宣布。

多媒体附录1

补充表。

DOCX文件,41 KB

  1. COVID-19仪表板。系统科学与工程中心。URL:https://coronavirus.jhu.edu/map.html[2021-07-15]访问
  2. 中国-世界卫生组织新型冠状病毒肺炎联合考察团报告。世界卫生组织。URL:https://bit.ly/3E1NrPt[2022-09-29]访问
  3. 梁伟,关伟,陈锐,王伟,李军,徐坤,等。SARS-CoV-2感染的癌症患者:一项全国分析。Lancet Oncol 2020年3月21日(3):335-337 [免费的全文] [CrossRef] [Medline
  4. Miyashita H, Mikami T, Chopra N, Yamada T, Chernyavsky S, Rizk D,等。癌症患者COVID-19的预后是否较差?在纽约的一次经历。Ann Oncol 2020年8月31日(8):1088-1089 [免费的全文] [CrossRef] [Medline
  5. 于娟,欧阳伟,蔡明康,谢聪。武汉某三级医院肿瘤患者SARS-CoV-2的传播。JAMA Oncol 2020 july 01;6(7):1108-1110 [免费的全文] [CrossRef] [Medline
  6. 需要急性治疗的非冠状病毒患者的管理临床指南:癌症。国家卫生服务。URL:https://www.nice.org.uk/media/default/about/covid-19/specialty-guides/cancer-and-covid-19.pdf[2020-10-26]访问
  7. COVID-19大流行期间的癌症患者管理。欧洲肿瘤医学学会。URL:https://www.esmo.org/guidelines/cancer-patientmanagement-during-the-covid-19-pandemic[2020-10-26]访问
  8. Banna G, Curioni-Fontecedro A, Friedlaender A, Addeo A.我们如何在SARS-CoV-2大流行期间治疗肺癌患者。ESMO Open 2020年4月5日(2):e000765 [免费的全文] [CrossRef] [Medline
  9. Ueda M, Martins R, Hendrie PC, McDonnell T, Crews JR, Wong TL,等。在COVID-19大流行期间管理癌症护理:面向共同目标的敏捷和协作。J Natl Compr Canc Netw 2020年3月20:1-4。[CrossRef] [Medline
  10. 刘戴M, D,刘米,周F, G,陈Z, et al。癌症患者似乎更容易感染SARS-CoV-2:在COVID-19暴发期间的一项多中心研究癌症发现2020年6月;10(6):783-791 [免费的全文] [CrossRef] [Medline
  11. 杨凯,盛勇,黄超,金勇,熊宁,蒋凯,等。中国湖北省癌症和COVID-19患者的临床特征、结局和死亡率的危险因素:一项多中心、回顾性队列研究Lancet Oncol 2020年7月;21(7):904-913 [免费的全文] [CrossRef] [Medline
  12. 孟杨,陆伟,郭娥,刘杰,杨斌,吴萍,等。癌症病史是COVID-19住院患者死亡的独立危险因素:倾向得分匹配分析J Hematol Oncol 2020年6月10日;13(1):75 [免费的全文] [CrossRef] [Medline
  13. 张磊,朱峰,谢磊,王超,王杰,陈锐,等。covid -19感染癌症患者的临床特征:中国武汉三家医院的回顾性病例研究Ann Oncol 2020 7月;31(7):894-901 [免费的全文] [CrossRef] [Medline
  14. Kuderer NM, Choueiri TK, Shah DP, Shyr Y, Rubinstein SM, Rivera DR, covid -19癌症联盟。COVID-19对癌症患者的临床影响(CCC19):一项队列研究。Lancet 2020年6月20日;395(10241):1907-1918 [免费的全文] [CrossRef] [Medline
  15. Robilotti EV, Babady NE, Mead PA, Rolling T, Perez-Johnston R, Bernardes M,等。癌症患者中COVID-19疾病严重程度的决定因素Nat Med 2020 Aug 24;26(8):1218-1223 [免费的全文] [CrossRef] [Medline
  16. Mehta V, Goel S, Kabarriti R, Cole D, Goldfinger M, Acuna-Villaorduna A,等。纽约医院系统中患COVID-19的癌症患者的病死率。癌症发现2020年7月10日(7):935-941 [免费的全文] [CrossRef] [Medline
  17. Lee LYW, Cazier J, Starkey T, Briggs SEW, Arnold R, Bisht V,英国冠状病毒癌症监测项目团队。癌症患者中COVID-19患病率和死亡率以及原发性肿瘤亚型和患者人口统计学的影响:一项前瞻性队列研究Lancet Oncol 2020年10月21日(10):1309-1316 [免费的全文] [CrossRef] [Medline
  18. Lee LY, Cazier J, Angelis V, Arnold R, Bisht V, Campton NA,英国冠状病毒监测项目组等。接受化疗或其他抗癌治疗的癌症患者的COVID-19死亡率:一项前瞻性队列研究Lancet 2020年6月20日;395(10241):1919-1926 [免费的全文] [CrossRef] [Medline
  19. Várnai C, pales C, Arnold R, Curley H, Purshouse K, Cheng V, UKCCMP团队。接受化疗或免疫治疗并感染COVID-19的成人癌症患者死亡率JAMA Netw Open 2022 Feb 01;5(2):e220130 [免费的全文] [CrossRef] [Medline
  20. 罗森LM,布拉纳姆AM,艾哈迈德FB,萨顿P,安德森RN。与COVID-19相关的超额死亡,按年龄、种族和族裔分列-美国,2020年1月26日至10月3日。MMWR Morb Mortal Wkly Rep 2020年10月23日;69(42):1522-1527 [免费的全文] [CrossRef] [Medline
  21. 巴登LR, El Sahly HM, Essink B, Kotloff K, Frey S, Novak R, COVE研究组。rna -1273 SARS-CoV-2疫苗的有效性和安全性N Engl J Med 2021 Feb 04;384(5):403-416 [免费的全文] [CrossRef] [Medline
  22. Polack FP, Thomas SJ, Kitchin N, Absalon J, Gurtman A, Lockhart S, C4591001临床试验组。BNT162b2 mRNA Covid-19疫苗的安全性和有效性。N Engl J Med 2020 Dec 31;383(27):2603-2615 [免费的全文] [CrossRef] [Medline
  23. Voysey M, Clemens SAC, Madhi SA, Weckx LY, Folegatti PM, Aley PK,牛津COVID疫苗试验组。针对SARS-CoV-2的ChAdOx1 nCoV-19疫苗(AZD1222)的安全性和有效性:对巴西、南非和英国四项随机对照试验的中期分析。Lancet 2021年1月09;397(10269):99-111 [免费的全文] [CrossRef] [Medline
  24. ACP, McGrath H, Ting J, Srikandarajah K, Germanou S, Moss C等。癌症患者的COVID-19疫苗安全性:单中心经验巨蟹座(巴塞尔)2021年7月16日;13(14):3573 [免费的全文] [CrossRef] [Medline
  25. Embi PJ, Levy ME, Naleway AL, Patel P, Gaglani M, Natarajan K,等。2剂信使rna COVID-19疫苗接种对免疫缺陷成人中COVID-19相关住院的有效性——9个州,2021年1月至9月MMWR Morb Mortal Wkly Rep 2021年11月05日;70(44):1553-1559 [免费的全文] [CrossRef] [Medline
  26. ferdinand JM, Rao S, Dixon BE, Mitchell PK, DeSilva MB, Irving SA,等。在Delta和Omicron变异占优势时期,2剂和3剂mRNA疫苗对与covid -19相关的急诊室和急诊接触和成人住院的有效性下降- VISION网络,10个州,2021年8月- 2022年1月。MMWR Morb Mortal Wkly Rep 2022年3月18日;71(7):255-263 [免费的全文] [CrossRef] [Medline
  27. 麦当劳CJ, Overhage JM, Barnes M, Schadow G, Blevins L, Dexter PR, INPC管理委员会。印第安纳州患者护理网络:一个工作的当地健康信息基础设施。这是一个基础设施合作的实例,将来自五个卫生系统的数据和数亿个条目连接起来。2005年9月24日(5):1214-1220。[CrossRef] [Medline
  28. Dixon BE, Grannis SJ, McAndrews C, Broyles AA, mikles - carrasco W, Wiensch A,等。利用数据可视化和全州卫生信息交换支持COVID-19监测和应对:公共卫生信息学的应用。J Am Med Inform Assoc 2021年7月14日;28(7):1363-1373 [免费的全文] [CrossRef] [Medline
  29. Dixon BE, Grannis SJ, Lembcke LR, Valvi N, Roberts AR, Embi PJ。COVID-19差异的同步性:美国少数族裔和农村地区SARS-CoV-2发病率、住院和死亡率的全州流行病学趋势。PLoS One 2021;16(7):e0255063 [免费的全文] [CrossRef] [Medline
  30. von Elm E, Altman DG, Egger M, Pocock SJ, Gøtzsche PC, vandenbrucke JP, STROBE Initiative。加强流行病学观察性研究报告(STROBE)声明:报告观察性研究的指南。Int J Surg 2014 Dec;12(12):1495-1499 [免费的全文] [CrossRef] [Medline
  31. 经济研究服务。美国农业部。URL:https://www.ers.usda.gov[2022-09-29]访问
  32. Mehrabi S, Krishnan A, Roch AM, Schmidt H, Li D, Kesterson J,等。胰腺癌家族史患者的鉴别——NLP系统可移植性的研究。种马健康技术信息2015;216:604-608 [免费的全文] [Medline
  33. Weiner M, Dexter PR, Heithoff K, Roberts AR, Liu Z, Griffith A,等。通过电子健康记录识别和描述慢性咳嗽队列。胸部2021年6月,159(6):2346 - 2355。[CrossRef] [Medline
  34. 李霞,于珊,张卓,Radican L, Cummins J, Engel SS,等。低血糖预测模型用于临床决策支持对门诊糖尿病患者的评估。2019年11月35(11):1885-1891。[CrossRef] [Medline
  35. Imler TD, Sherman S, Imperiale TF, Xu H, Ouyang F, Beesley C,等。使用自然语言处理为ERCP提供特定的质量度量。2018年1月;87(1):164-173。e2 (免费的全文] [CrossRef] [Medline
  36. 法属西非的癌症:十年调查的累积结果(1940-1949)。中国科学院学报(自然科学版)1950;5(3):372-377。
  37. 心脏移植能延长生命吗?重新评估。安实习医学1972年5月01日;76(5):815-817。[CrossRef] [Medline
  38. 回归模型和生命表。皇家统计学会学报:B系列(方法论)2018年12月05日;34(2):187-202。[CrossRef
  39. 林达元,魏丽娟,应珍。基于鞅残差累积和的Cox模型检验。生物统计学1993;80(3):557 - 572。[CrossRef
  40. 意大利与COVID-19相关的病死率和患者死亡特征。JAMA 2020年5月12日;323(18):1775-1776。[CrossRef] [Medline
  41. Pinato DJ, Lee AJX, Biello F, Seguí E, Aguilar-Company J, Carbó A,等。欧洲COVID-19大流行初期癌症患者的SARS-CoV-2感染的特征和早期死亡率巨蟹座(巴塞尔)2020年7月08;12(7):1841 [免费的全文] [CrossRef] [Medline
  42. 王晓燕,王晓燕,王晓燕,等。纽约市COVID-19患者死亡率的危险因素J Gen Intern Med 2021 1;36(1):17-26 [免费的全文] [CrossRef] [Medline
  43. Patt D, Gordan L, Diaz M, Okon T, Grady L, Harmison M,等。COVID-19对癌症护理的影响:大流行如何推迟美国老年人的癌症诊断和治疗。JCO临床癌症通知2020年11月4日1059-1071 [免费的全文] [CrossRef] [Medline
  44. Yiannoutsos CT, Halverson PK, Menachemi N.通过随机测试对印第安纳州SARS-CoV-2患病率的贝叶斯估计。美国国家科学研究院2021 Feb 02;118(5):e2013906118 [免费的全文] [CrossRef] [Medline
  45. Vaduganathan M, Vardeny O, Michel T, McMurray JJ, Pfeffer MA, Solomon SD。Covid-19患者的肾素-血管紧张素-醛固酮系统抑制剂。2020年4月23日;382(17):1653-1659。[CrossRef
  46. Ksiazek TG, Erdman D, Goldsmith CS, Zaki SR, Peret T, Emery S,等。一种与严重急性呼吸综合征相关的新型冠状病毒。中华医学杂志2003年5月15日;348(20):1953-1966。[CrossRef
  47. Duszynski TJ, Fadel W, Wools-Kaloustian KK, Dixon BE, Yiannoutsos C, Halverson PK,等。健康状况和尼古丁摄入与SARS-CoV-2阳性率的关系2021年10月03日;21(1):1786 [免费的全文] [CrossRef] [Medline
  48. COVID-19:使用美国目前批准或授权的COVID-19疫苗的中期临床考虑。疾病控制和预防中心URL:https://www.cdc.gov/vaccines/covid-19/clinical-considerations/covid-19-vaccines-us.html[2021-11-23]访问
  49. Pearson ML, Ganz PA, McGuigan K, Malin JR, Adams J, Kahn KL。衡量癌症护理质量的病例识别挑战。中华临床医学杂志2002年11月01日;20(21):4353-4360。[CrossRef] [Medline
  50. Meguerditchian A, Stewart A, Roistacher J, Watroba N, Cropp M, Edge SB.索赔数据与医院注册数据相关联,增强了对乳腺癌护理质量的评估。中华外科杂志2010年6月01;101(7):593-599。[CrossRef] [Medline
  51. Baldi I, Vicari P, Di Cuonzo D, Zanetti R, Pagano E, Rosato R,等。利用医院管理数据的高正向预测值算法识别了癌症事件。临床流行病学杂志2008年04月61(4):373-379。[CrossRef] [Medline
  52. 梁明明,Hasan AG, Rees KS, Parker RG, Legorreta AP.新诊断的乳腺癌患者:基于索赔的识别算法的验证。临床流行病学杂志1999年1月52(1):57-64。[CrossRef] [Medline
  53. 艾希勒AF,拉蒙特EB。脑转移研究中行政索赔数据的效用:一项验证研究。中华神经科杂志2009年12月;95(3):427-431。[CrossRef] [Medline
  54. Englum BR, Prasad NK, Lake RE, Mayorga-Carlin M, Turner DJ, Siddiqui T,等。COVID-19大流行对新癌症诊断的影响:一项针对退伍军人事务医疗系统的全国多中心研究。巨蟹座2022年3月01日;128(5):1048-1056 [免费的全文] [CrossRef] [Medline
  55. Dinmohamed AG, Visser O, Verhoeven RHA, Louwman MWJ, van Nederveen FH, Willems SM,等。2019冠状病毒病疫情期间,荷兰癌症确诊病例减少。The Lancet Oncology 2020 Jun;21(6):750-751。[CrossRef
  56. Gurney JK, Millar E, Dunn A, Pirie R, Mako M, Manderson J,等。新西兰正在努力消除COVID-19, COVID-19大流行对该国癌症诊断和服务获取的影响。Lancet Reg Health West Pac 2021年5月;10:100127 [免费的全文] [CrossRef] [Medline
  57. Jones D, Neal RD, Duffy SRG, Scott SE, Whitaker KL, Brain K. COVID-19大流行对癌症症状诊断的影响:来自初级保健的观点The Lancet Oncology 2020 Jun;21(6):748-750。[CrossRef


催促:健康信息交换
人力资源:风险比
INPC:印第安纳州病人护理网络
斯:加强流行病学观察性研究报告


A Mavragani编辑;提交30.11.21;作者:K Turner, L Méndez, ER Khalilian, R Zhao;对作者16.06.22的评论;修订版收到29.08.22;接受16.09.22;发表06.10.22

版权

©Nimish Valvi, Hetvee Patel, Giorgos Bakoyannis, David A Haggstrom, Sanjay Mohanty, Brian E Dixon。最初发表于JMIR Cancer (https://cancer.www.mybigtv.com), 2022年10月6日。

这是一篇开放获取的文章,根据创作共用署名许可协议(https://creativecommons.org/licenses/by/4.0/)发布,该协议允许在任何媒体上不受限制地使用、分发和复制,前提是必须正确引用在JMIR Cancer上首次发表的原创作品。必须包括完整的书目信息,https://cancer.www.mybigtv.com/上的原始出版物链接,以及版权和许可信息。


Baidu
map