Completeness of a newly implemented general cancer registry in northern France: Application of a three-source capture-recapture method
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Completeness, timeliness and accuracy are important qualities for registries. The objective was to estimate the completeness of the first two years of full registration (2008/2009) of a new population-based general cancer registry, at the time of national data centralisation. METHODS: Records followed international standards. Numbers of cases missed were estimated from a three-source (pathology labs, healthcare centres, health insurance services) capture-recapture method, using log-linear models for each gender. Age and place of residence were considered as potential variables of heterogeneous catchability. RESULTS: When data were centralized (2011/2012), 4446 cases in men and 3642 in women were recorded for 2008/2009 in the Registry. Overall completeness was estimated at 95.7% (95% CI: 94.3-97.2) for cases in men and 94.8% (95% CI: 92.6-97.0) in women. Completeness appeared higher for younger than for older subjects, with a significant difference of 4.1% (95% CI: 1.4-6.7) for men younger than 65 compared with their older counterparts. Estimates were collated with the number of cases registered in 2014 for the years 2008/2009 (4566 cases for men/3755 for women), when additional structures had notified cases retrospectively to the Registry. These numbers were consistent with the stratified capture-recapture estimates. CONCLUSION: This method appeared useful to estimate the completeness quantitatively. Despite a rather good completeness for the new Registry, the search for cases among older subjects must be improved.
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.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,000 | 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 découle