The Importance of Cancer Registry Linkage for Studying Rare Cancers in Prospective Cohorts
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
Large prospective cohort studies may offer an opportunity to study the etiology and natural history of rare cancers. Cancer diagnoses in observational cohort studies are often self-reported. Little information exists on the validity of self-reported cancer diagnosis, especially rare cancers, in Canada. This study evaluated the validity of self-reported cancer diagnosis in Alberta's Tomorrow Project (ATP), a provincial cohort in Canada. ATP data were linked to the Alberta Cancer Registry (ACR). The first instance of self-reported cancer in a follow-up survey was compared to the first cancer diagnosis in the ACR after enrollment. The sensitivity and positive predictive value (PPV) were estimated for the reporting of cancer status, reporting of common or rare cancer, and reporting of site-specific cancer. Logistic regression analysis explored factors associated with false positive, false negative, and incorrect cancer site reporting. In the 30,843 ATP participants who consented to registry linkage, there were 810 primary cancer diagnoses in the ACR and 959 self-reports of first cancer post-enrollment, for a cancer status sensitivity of 92.1% (95% CI: 90.0-93.9) and PPV of 77.8% (95% CI: 75.0-80.4). Compared to common cancers, rare cancers had a lower sensitivity (62.8% vs. 89.6%) and PPV (35.8% vs. 84.5%). Participants with a rare cancer were more likely to report an incorrect site than those with a common cancer. Rare cancers were less likely to be captured by active follow-up than common cancers. While rare cancer research may be feasible in large cohort studies, registry linkage is necessary to capture rare cancer diagnoses completely and accurately.
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 | 0,002 | 0,005 |
| 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 | 0,001 |
| 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