MétaCan
Menu
← Retour à la cohorte
Enregistrement W3114949495 · doi:10.1101/2020.12.24.20248729

Estimating Excess Mortality Following Pediatric and Adolescent Cancer in the U.S.

2020· preprint· en· W3114949495 sur OpenAlexaff
AnnaLynn M. Williams, Qi Liu, Nickhill Bhakta, Kevin R. Krull, Melissa M. Hudson, Leslie L. Robison, Yutaka Yasui

Notice bibliographique

RevuemedRxiv · 2020
Typepreprint
Langueen
DomaineMedicine
ThématiqueChildhood Cancer Survivors' Quality of Life
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNational Cancer InstituteNational Institutes of HealthAmerican Lebanese Syrian Associated Charities
Mots-clésExcess mortalityMedicineChildhood cancerDemographyAbsolute risk reductionCancerPopulationPediatric cancerPediatricsEnvironmental healthInternal medicine

Résumé

récupéré en direct d'OpenAlex

ABSTRACT The increasing number of long-term survivors of childhood/adolescent cancer are at-risk for premature death resulting from cancer treatment exposures. To better understand the implications of late mortality, we estimated and characterized the magnitude and temporal patterns of annual excess deaths following childhood/adolescent cancers diagnosed in 1975-2016 in the US using SEER 9 registries. We demonstrate for several tumor types that, despite decreasing excess deaths <5.0 years from diagnosis, the total number of excess deaths is not necessarily decreasing due to the growing and aging population of survivors at risk for treatment related late effects.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,040
Score d'incertitude au seuil0,079

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,072
Tête enseignante GPT0,374
Écart entre enseignants0,302 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuemedRxiv→Même sujetChildhood Cancer Survivors' Quality of Life→Travaux en français237 207→