Epidemiological trends of head and neck Cancer survivors in Alberta: Towards improved understanding of the burden of disease
Notice bibliographique
Résumé
BACKGROUND: With an increase in the incidence of human papillomavirus (HPV)-associated oropharyngeal squamous cell carcinoma (OPSCC) and more favourable survival outcomes, there is now a population of head and neck cancer survivors that are different from preceding decades. In addition, their long-term survivorship issues have become increasing research interests. This study was undertaken to determine the changing epidemiological trends of head and neck cancer survivors in Alberta to better anticipate future demands on healthcare services. METHODS: The Alberta Cancer Registry was queried for adult (aged > 18 years), head and neck cancer (HNC) patients who were at least 1-year post-treatment completion between 1997 to 2016. Cutaneous head and neck and thyroid cancer patients were excluded. Extracted data was then used to calculate the incidence and prevalence of early (< 5 years from treatment), intermediate (5 to < 10 years from treatment), and late (> 10 years from treatment) survivors of head and neck cancer. Point prevalence of HNC survivors in 2005, 2010, and 2015 were then further stratified by gender, sub-site and age. RESULTS: Over this time period, head and neck cancer survivors tended to be younger (64.0 vs. 62.1, p = 0.046) and male (M:F 2.45:1 vs 2.54:1). In 1997, the predominant subsites were the oral cavity and larynx at 45.8% and 30.9%, respectively. In 2015 the predominant subsites were the oral cavity and oropharynx at 33.0% and 29.4%, respectively. Within the cohort, the prevalence of late HNC survivors increased to 13.3 per 100,000 people in 2015. CONCLUSIONS: There is a significant population of head and neck survivors who are younger, male, and more than 10 years post-treatment. While oral cavity cancers have shown stable disease prevalence in recent decades, the number of OPSCC survivors have increased. With an improved understanding of the distribution and characteristics of HNC survivors, a more guided healthcare support network can be fostered for these patients.
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 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| 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 ».