Notice bibliographique
Résumé
The global burden of cancer is growing rapidly with an estimated 15 million new cases per year worldwide in 2015, growing to 19 million by 2025 and 24 million by 2035. The largest component of this growth will occur in low‐to‐middle income countries (LMICs). About half of these cases will require radiation treatment. The gap for available cancer treatment, including radiation therapy, between high‐income countries (HICs) and LMICs is enormous. Accurate data and quantitative models to project the needs and the benefits of cancer treatment are a critical first step in closing the large cancer divide between LMICs and HICs. In this context, the Union for International Cancer Control (UICC) has developed a Global Task Force on Radiotherapy for Cancer Control (GTFRCC) with a charge to answer the question as to what it will take to close the gap between what exists today and reasonable access to radiation therapy globally by 2035 and what the potential clinical and economic benefits are for doing this. The Task Force has determined the projections of cancer incidence and the infrastructure required to provide access to radiation therapy globally. Furthermore it has shown that appropriate investment not only yields improved clinical outcomes for millions of patients but that it also provides an overall economic gain throughout all the income settings where this investment is made. This symposium will summarize the facets associated with this global cancer challenge by reviewing the cancer burden, looking at the requirements for radiation therapy, reviewing the benefits of providing such therapy both from a clinical and economic perspective and finally by looking at what approaches can be used to aid in the alleviation of this global cancer challenge. The speakers are world renowned experts in global public health issues (R. Atun), medical physics (D. Jaffray) and radiation oncology (N. Coleman). Learning Objectives: To describe the global cancer challenge and the corresponding potential benefits of addressing this challenge. To describe what radiation therapy infrastructure, in terms of facilities, equipment and personnel, will be required to address this challenge. To describe models of addressing personnel and infrastructure mobilization and capacity building within regions where significant cancer treatment disparities exist.
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 | 0,004 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,006 | 0,003 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,008 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,035 | 0,019 |
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 ».