Stage at diagnosis and survival by stage for the leading childhood cancers in three populations of <scp>sub‐Saharan</scp> Africa
Notice bibliographique
Résumé
The lack of accurate population-based information on childhood cancer stage and survival in low-income countries is a barrier to improving childhood cancer outcomes. In our study, data from three population-based registries in sub-Saharan Africa (Abidjan, Harare and Kampala) were examined for children aged under 15. We assessed the feasibility of assigning stage at diagnosis according to Tier 1 of the Toronto Childhood Cancer Stage Guidelines for patients with non-Hodgkin lymphoma [including Burkitt lymphoma (BL)], retinoblastoma and Wilms' tumour. Patients were actively followed-up, allowing calculation of 3-year relative survival by cancer type and registry. Stage-specific observed survival was estimated. The cohort comprised 381 children, of whom half (n = 192, 50%) died from any cause within 3 years of diagnosis. Three-year relative survival varied by malignancy and location and ranged from 17% [95% confidence interval (CI) = 6%-33%] for BL in Harare to 57% (95% CI = 31%-76%) for retinoblastoma in Kampala. Stage was assigned for 83% of patients (n = 317 of 381), with over half having metastatic or advanced disease at diagnosis (n = 166, 52%). Stage was a strong predictor of survival for each malignancy; for example, 3-year observed survival was 88% (95% CI = 68%-96%) and 13% (4%-29%) for localised and advanced BL, respectively (P < .001). These are the first data on stage distribution and stage-specific survival for childhood cancers in Africa. They demonstrate the feasibility of the Toronto Stage Guidelines in a low-resource setting and highlight the value of population-based cancer registries in aiding our understanding of the poor outcomes experienced by this population.
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 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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».