Notice bibliographique
Résumé
BACKGROUND: The objective of this study was to define the incidence trends of Merkel cell carcinoma (MCC), a rare and aggressive cutaneous malignancy. MATERIALS AND METHODS: All cases of MCC of the skin between 1986 and 2001 were identified using the surveillance, epidemiology, and end results (SEER) program. Overall age-adjusted, gender-specific, age-specific, stage-specific, and regional incidence rates were calculated. All rates are per 100,000 and age-adjusted to the 2000 US standard population. Estimated annual percent change (EAPC) was calculated using a linear least squares model. RESULTS: A total of 1,124 cases of MCC were identified in the SEER registries. The rate of MCC increased from 0.15 cases per 100,000 in 1986 to 0.44 cases per 100,000 in 2001. The EAPC for the time period was 8.08%. This was statistically significant (95% CI: 6.29, 9.90, P-value < 0.05). Age-specific incidence (5-year age groups) were highest in the elderly, 4.28 per 100,000 in the 85+ age group. CONCLUSIONS: MCC incidence rates have increased threefold over the 1986-2001 period. Rates are highest in the elderly population. Further etiologic studies and identification of high-risk populations are warranted.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».