Comparing characteristics of melanoma cases arising in health maintenance organizations with state and national registries
Notice bibliographique
Résumé
Datasets from large health maintenance organizations (HMOs), particularly those with established cancer registries that report to the Surveillance, Epidemiology, and End Results program, are potentially excellent resources for studying melanoma epidemiology and outcomes. However, generalizability of the findings beyond HMO-based populations has not been well studied. We compared melanoma patient, tumor, and treatment characteristics at Kaiser Permanente Northern California and Henry Ford Healthcare Systems with those of corresponding regional, state, and national registry-reported melanoma databases. We identified all melanoma cases diagnosed at Kaiser Permanente Northern California (1996-2009) and Henry Ford Healthcare Systems (1996-2007) and ascertained patient (age, sex, race, and ethnicity), tumor (site, size, laterality, invasiveness, depth, ulceration, subtype, and stage), and treatment (surgery and radiation) variables from health system cancer registries. Registry data were obtained from Surveillance, Epidemiology, and End Results databases for the reporting period ending in November 2011. We found that melanoma cases arising in HMO settings generally have comparable patient, tumor, and treatment characteristics to regional, state, and national cases. An important difference included improved reporting of race information at HMO sites. Melanoma studies using data derived from select HMOs are potentially generalizable to local, state, and national populations, and may be better situated for studying racial-ethnic disparities.
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 | 0,005 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».