MétaCan
Menu
Retour à la cohorte
Enregistrement W3117230682 · doi:10.1093/noajnl/vdaa178

Incidence and real-world burden of brain metastases from solid tumors and hematologic malignancies in Ontario: a population-based study

2020· article· en· W3117230682 sur OpenAlexaffabout
Steven Habbous, Katharina Förster, Gail Darling, Katarzyna J. Jerzak, Claire Holloway, Arjun Sahgal, Sunit Das

Notice bibliographique

RevueNeuro-Oncology Advances · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueBrain Metastases and Treatment
Établissements canadiensSt. Michael's HospitalHealth Sciences CentreToronto General HospitalUniversity of TorontoSunnybrook Health Science CentreCancer Care Ontario
Organismes subventionnairesnon disponible
Mots-clésMedicineBreast cancerCancer registryInternal medicineCancerMalignancyLung cancerIncidence (geometry)Kidney cancerOncologyPopulationMelanomaCancer research

Résumé

récupéré en direct d'OpenAlex

Abstract Background Although intracranial metastatic disease (IMD) is a frequent complication of cancer, most cancer registries do not capture these cases. Consequently, a data-gap exists, which thwarts system-level quality improvement efforts. The purpose of this investigation was to determine the real-world burden of IMD. Methods Patients diagnosed with a non-CNS cancer between 2010 and 2018 were identified from the Ontario Cancer Registry. IMD was identified by scanning hospital administrative databases for cranial irradiation or coding for a secondary brain malignancy (ICD-10 code C793). Results 25,478 of 601,678 (4.2%) patients with a diagnosis of primary cancer were found to have IMD. The median time from primary cancer diagnosis to IMD was 5.2 (0.7, 15.4) months and varied across disease sites, for example, 2.1 months for lung, 7.3 months for kidney, and 22.8 months for breast. Median survival following diagnosis with IMD was 3.7 months. Lung cancer accounted for 60% of all brain metastases, followed by breast cancer (11%) and melanoma (6%). More advanced stage at diagnosis and younger age were associated with a higher likelihood of developing IMD (P < .0001). IMD was also associated with triple-negative breast cancers and ductal histology (P < .001), and with small-cell histology in patients with lung cancer (P < .0001). The annual incidence of IMD was 3,520, translating to 24.2 per 100,000 persons. Conclusion IMD represents a significant burden in patients with systemic cancers and is a significant cause of cancer mortality. Our findings support measures to actively capture incidents of brain metastasis in cancer registries.

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)0,000
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,063
Score d'incertitude au seuil0,127

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,003
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0010,001
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 Opus0,029
Tête enseignante GPT0,322
Écart entre enseignants0,293 · 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

Citations49
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNeuro-Oncology AdvancesMême sujetBrain Metastases and TreatmentTravaux en français237 207