MétaCan
Menu
Retour à la cohorte
Enregistrement W2325175726 · doi:10.1097/mph.0b013e318249aaac

Pediatric Oncology in Turkey

2012· article· en· W2325175726 sur OpenAlexaff
Rejin Kebudi

Notice bibliographique

RevueJournal of Pediatric Hematology/Oncology · 2012
Typearticle
Langueen
DomaineMedicine
ThématiqueChildhood Cancer Survivors' Quality of Life
Établissements canadiensPediatric Oncology Group
Organismes subventionnairesnon disponible
Mots-clésMedicinePopulationCancerPediatric cancerHepatoblastomaPediatricsGerm cell tumorsInternal medicineOncologyChemotherapy

Résumé

récupéré en direct d'OpenAlex

The survival of children with cancer has increased dramatically in the last decades, as a result of advances in diagnosis, treatment and supportive care. Each year in Turkey, 2500-3000 new childhood cancer cases are expected. According to the Turkish Pediatric Oncology Group and Turkish Pediatric Hematology Societies Registry, about 2000 new pediatric cancer cases are reported each year. The population in Turkey is relatively young. One fourth of the population is younger than 15 years of age. According to childhood mortality, cancer is the fourth cause of death (7.2%) after infections, cardiac deaths and accidents. The major cancers in children in Turkey are leukemia (31%), lymphoma (19%), central nervous system (CNS) neoplasms (13%), neuroblastomas (7%), bone tumors (6.1%), soft tissue sarcomas (6%), followed by renal tumors, germ cell tumors, retinoblastoma, carcinomas-epithelial neoplasms, hepatic tumors and others. Lymphomas rank second in frequency as in many developing countries in contrast to West Europe or USA, where CNS neoplasms rank second in frequency. The seven-year survival rate in children with malignancies in Turkey is 65.8%. The history of modern Pediatric Oncology in Turkey dates back to the 1970's. Pediatric Oncology has been accepted as a subspecialty in Turkey since 1983. Pediatric Oncologists are all well trained and dedicated. All costs for the diagnosis and treatment of children with cancer is covered by the government. Education and infrastructure for palliative care needs improvement.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,028
Score d'incertitude au seuil0,095

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0280,005

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.

Tête enseignante Opus0,044
Tête enseignante GPT0,379
Écart entre enseignants0,335 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations25
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Pediatric Hematology/OncologyMême sujetChildhood Cancer Survivors' Quality of LifeTravaux en français237 207