Treatment patterns and survival in hepatocellular carcinoma in the United States and Taiwan
Notice bibliographique
Résumé
BACKGROUND: Survival in hepatocellular carcinoma (HCC) is lower in the USA than in Taiwan. Little is known about the extent to which differences in stage at diagnosis and treatment contribute to this difference. We examined treatment patterns and survival in HCC and analyzed factors driving the difference. METHODS: Using a uniform methodology, we identified patients aged 66 years and older with newly diagnosed HCC between 2004 and 2011 in the USA and Taiwan. We compared treatment within 6 months after HCC diagnosis and 2-year stage-specific survival between the two countries. RESULTS: Compared with patients in Taiwan (n = 32,987), patients in the USA (n = 7,003) were less likely to be diagnosed as stage IA (4% vs 8%) and II (13% vs 22%), or receive cancer-directed treatments (41% vs 58%; all p < .001). Stage-specific 2-year survival rates were lower in the USA than in Taiwan (stage IA: 57% vs 77%; stage IB: 38% vs 63%; stage II: 40% vs 57%, stage III: 14% vs 18%; stage IV: 4% vs 5%, respectively; all p < .001 except p = .018 for stage IV). Differences in age and sex (combined), stage, and receipt of treatment accounted for 3.8%, 17.0%, and 16.8% of the survival difference, respectively, leaving 62.5% unexplained. CONCLUSIONS: Differential stage at diagnosis and treatment were substantially associated with the survival difference, but approximately two-thirds of the difference remained unexplained. Identifying the main drivers of the difference could help improve HCC survival in the USA.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| 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) | 0,001 | 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 ».