Treatment‐related mortality in newly diagnosed pediatric cancer: a population‐based analysis
Notice bibliographique
Résumé
Using a previously developed reliable and valid treatment-related mortality (TRM) definition, our objective was to describe the proportion of children newly diagnosed with cancer experiencing TRM and to identify risk factors for TRM in a population-based cohort. We included children with cancer <19 years diagnosed and treated in Ontario who were diagnosed between 2003 and 2012. Children with cancer were identified using data in a provincial registry. Cumulative incidence of TRM was calculated where progressive disease death was considered a competing event. Among the 5179 children included, 179 had TRM, 478 died of progressive disease, and 4522 were still alive. At 5 years, the cumulative incidence of TRM among the entire cohort was 3.9% (95% confidence interval (CI) 3.3-4.5%). When compared to brain tumor patients, leukemia and lymphoma patients had a significantly higher risk of TRM (hazard ratio (HR) 2.5, 95% CI: 1.6-4.0; P < 0.0001). Infants were at significantly higher risk of TRM across diagnostic groups. Other factors associated with higher risks of TRM were metastatic disease (P < 0.0001), diagnosis prior to 1 January 2008 (P = 0.001), hematopoietic stem cell transplantation (HSCT) (P < 0.0001), and relapse (P < 0.0001). The 5-year cumulative incidence of TRM was 3.9% among newly diagnosed children with cancer. Infants were at higher risk of TRM across diagnostic groups. Other risk factors for TRM were leukemia or lymphoma, metastatic disease, earlier diagnosis year, HSCT, and relapse. Future work should further refine prognostic factors by specific cancer diagnosis to best understand when and how to intervene to improve outcomes.
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 | 0,001 | 0,004 |
| 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) | 0,005 | 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 ».