Prevalence of incidental prostate cancer: A systematic review of autopsy studies
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Prostate cancer screening may detect nonprogressive cancers, leading to overdiagnosis and overtreatment. The potential for overdiagnosis can be assessed from the reservoir of prostate cancer in autopsy studies that report incidental prostate cancer rates in men who died of other causes. We aimed to estimate the age-specific incidental cancer prevalence from all published autopsy studies. We identified eligible studies by searches of Medline and Embase, forward and backward citation searches and contacting authors. We screened the titles and abstracts of all articles; checked the full-text articles for eligibility and extracted clinical and pathology data using standardized forms. We extracted mean cancer prevalence, age-specific cancer prevalence and validity measures and then pooled data from all studies using logistic regression models with random effects. The 29 studies included in the review dated from 1948 to 2013. Incidental cancer was detected in all populations, with no obvious time trends in prevalence. Prostate cancer prevalence increased with each decade of age, OR = 1.7 (1.6-1.8), and was higher in studies that used the Gleason score, OR = 2.0 (1.1-3.7). No other factors were significantly predictive. The estimated mean cancer prevalence increased in a nonlinear fashion from 5% (95% CI: 3-8%) at age <30 years to 59% (95% CI: 48-71%) by age >79 years. There was substantial variation between populations in estimated cancer prevalence. There is a substantial reservoir of incidental prostate cancer which increases with age. The high risk of overdiagnosis limits the usefulness of prostate cancer screening.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle