Major Risk Factors in Head and Neck Cancer: A Retrospective Analysis of 12-Year Experiences
Notice bibliographique
Résumé
BACKGROUND: Head and neck cancer (HNC) is the seventh most common type of cancer in the world and constitute 5% of the entire cancers worldwide. The global burden of HNC accounts for 650,000 new cases and 350,000 deaths worldwide every year and a major proportion of regional malignancies in India. More than 70% of squamous cell carcinoma of the head and neck are estimated to be avoidable by lifestyle changes, particularly by effective reduction of exposure to well-known risk factors such as tobacco smoking and alcohol drinking. METHODS: A retrospective analysis of 12 years (2001 - 2012) of HNC patients attending RCC, PGIMS Rohtak was done. Total numbers of cancer patients seen were 26,295 and out of these 9,950 patients were of HNCs, which were retrospectively analyzed for their associated risk factors in different HNC subtypes. Most of the patients, i.e. 92.3%, were presented as locally advanced HNC (stages III and IV). RESULTS: It has been observed that smoking and alcohol are the strongest independent risk factors responsible for increased risk of HNC and are further having synergetic correlations. CONCLUSION: The present study confirms the principal role of alcohol consumption and smoking in HNC carcinogenesis, as well as the differential associations with HNC subtypes, and a significant, positive, multiplicative interaction with different risk factors.
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 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».