Tenosynovial Giant Cell Tumor: Incidence, Prevalence, Patient Characteristics, and Recurrence. A Registry-based Cohort Study in Denmark
Notice bibliographique
Résumé
OBJECTIVE: Tenosynovial giant cell tumor (TGCT) is a rare benign proliferative and inflammatory disease arising from synovia of joints, bursae, or tendon sheaths. We aimed to estimate incidence rate and prevalence of TGCT in Denmark, to describe patient characteristics and treatment modalities among patients with TGCT, and to estimate risk of TGCT recurrence. METHODS: Using registry data on pathology examinations and inpatient and outpatient hospital diagnoses, we identified adult patients with diagnoses of diffuse TGCT (D-TGCT) or localized TGCT (L-TGCT) between 1997 and 2012, followed through 2012. We described patients' characteristics, treatment modalities, and recurrence. RESULTS: We identified 2087 patients with L-TGCT and 574 patients with D-TGCT. Their incidence rates per million person-years were 30.3 (95% CI 29.1-31.7) and 8.4 (95% CI 7.7-9.1), respectively. At the end of 2012, prevalence per 100,000 persons was 44.3 (95% CI 42.4-46.3) for L-TGCT and 11.5 (95% CI 10.6-12.6) for D-TGCT. Women made up 61% of the patients with L-TGCT and 51% of the patients with D-TGCT. Median age at diagnosis was 47 years. Ten-year risk of recurrence was 9.8% (95% CI 8.4-11.3%) after L-TGCT and 19.1% (95% CI 15.7-22.7%) after D-TGCT. CONCLUSION: This study contributes evidence about epidemiology of TGCT based on routinely collected population-based data gathered in a setting of universal equal access to healthcare and complete followup.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| 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 ».