Incidences of Primary Soft Tissue Sarcoma Diagnosed on Extremities and Trunk Wall
Notice bibliographique
Résumé
Most epidemiological studies of soft tissue sarcoma (STS) were performed in the Western countries, and only limited data highlighting that in the Asian population. The aim of this study is to conduct a comprehensive analysis for the incidence rates of STS in Taiwan.This was a population-based study analyzing the incidence rates and trends of the primary STS over extremities and trunk wall during 2003 to 2011 by using the nationwide Taiwan Cancer Registry. More specific analyses were conducted for subtypes. Incidence rates of overall STS by cities and counties were also investigated.A total of 3843 cases were diagnosed with STS during the study period, giving an age-standardized rate (ASR) of 1.63 per 100,000 person-years. Liposarcoma was the most frequent subtype, followed by undifferentiated pleomorphic sarcoma and leiomyosarcoma. STS was more frequently diagnosed in males and angiosarcoma was the most prominent sex-specific type. ASR increased with age in most of the STS subtypes and varied by histologic subtype. The incidence of peripheral primitive neuroectodermal tumor was highest in children, whereas rhabdomyosarcoma revealed a bimodal age distribution. Annual percent change (APC) of STS was 2.2%, and significant change in trend was only in males (APC, 3.5%, P < 0.05). Geographical variations indicated that New Taipei City had a significantly higher rate compared with the rest areas. Significantly lower rates were observed in 1 major offshore island.Incidence variations of STS by sexes, ages, histologic subtypes, and geographic regions were observed in Taiwanese population. The emerging factors associated STS incidence rates deserve further studies to verify.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».