Prognostic Factors in Asian and White American Patients with Cervical Cancer, Considering Competing Risks
Notice bibliographique
Résumé
Background: Cervical cancer is the 2nd most common malignant tumour in women worldwide. Previous research studies have given little attention to its prognostic factors in the rapidly growing Asian American population. In the present study, we explored prognostic factors in Asian and white American patients with cervical cancer, considering competing risks. Methods: The study included 58,780 patients with cervical cancer, of whom 54,827 were white and 3953 were Asian American, and for all of whom complete clinical information was available in the U.S. Surveillance, Epidemiology, and End Results database. Death from cervical cancer was considered to be the event of interest, and deaths from other causes were defined as competing risks. The cumulative incidence function and the Fine-Gray method were applied for univariate and multivariate analysis respectively. Results: We found that, for all patients (white and Asian American combined), the cumulative incidence function was associated with several factors, such as age at diagnosis, figo (Fédération internationale de Gynécologie et d'Obstétrique) stage, registry area, and lymph node metastasis. Similar results were found when considering white patients only. However, for Asian American patients, registry area was not associated with the cumulative incidence function, but the other factors (for example, figo stage) remained statistically significant. Similarly, in multivariate analyses, we found that age at diagnosis, figo stage, lymph node metastasis, tumour histology, treatment method, and race were all associated with prognosis. Conclusions: Survival status differs for white and Asian American patients with cervical cancer. Our results could guide the treatment of, and facilitate prognostic judgments about, white and Asian American patients with cervical cancer.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».