Incidence and Outcomes of CNS Tumors in Chinese Children: Comparative Analysis With the Surveillance, Epidemiology, and End Results Program
Notice bibliographique
Résumé
PURPOSE Despite being the most common pediatric solid tumors, incidence and outcome of CNS tumors in Chinese children have not been systematically reported. We addressed this knowledge gap by comparing the epidemiology of pediatric CNS tumors in Hong Kong and the United States. PATIENTS AND METHODS Data between 1999 and 2016 from a population-based cancer registry in Hong Kong, China, on patients < 18 years old with CNS tumors (Hong Kong cohort) and from the US SEER Program (Asian/Pacific Islander and all ethnicities) were compared. Incidence and overall survival (OS) by histology were evaluated. RESULTS During the study period, 526 children were newly diagnosed with CNS tumors in Hong Kong (crude incidence rate, 2.47 per 100,000; 95% CI, 2.26 to 2.69). Adjusted incidences were significantly lower in the Hong Kong (2.51; 95% CI, 2.30 to 2.74) than in the SEER (Asian/Pacific Islander: 3.26; 95% CI, 2.97 to 3.57; P < .001; all ethnicities: 4.10 per 100,000; 95% CI, 3.99 to 4.22; P < .001) cohorts. Incidences of germ cell tumors (0.57 v 0.24; P < .001) were significantly higher, but those of glial and neuronal tumors (0.94 v 2.61; P < .001), ependymomas (0.18 v 0.31; P = .005), and choroid plexus tumors (0.08 v 0.16; P = .045) were significantly lower in Hong Kong compared with SEER (all ethnicities) cohorts. Compared with the SEER (Asian/Pacific Islander) cohort, histology-specific incidences were similar except for a lower incidence of glial and neuronal tumors in Hong Kong (0.94 v 1.74; P < .001). Among cohorts, OS differed only for patients with glial and neuronal tumors (5-year OS: Hong Kong, 52.5%; SEER [Asian/Pacific Islander], 73.6%; SEER [all ethnicities], 79.9%; P < .001). CONCLUSION We identified important ethnic differences in the epidemiology of CNS tumors in Chinese children. These results will inform the development of pediatric neuro-oncology services in China and aid further etiologic studies.
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 | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| 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 ».