Time Trends Analysis of Cervical Cancer Incidence in Cluj County, Romania, Using Data from a Population-Based Cancer Registry
Notice bibliographique
Résumé
(1) Background: Romania has one of the highest cervical cancer incidence rates in Europe. In Cluj County, the first screening program was initiated in 1998. We aimed to investigate the time trends of cervical cancer incidence in women from Cluj County and to evaluate the data quality at the Cancer Registry. (2) Methods: We calculated time trends of standardized incidence rates in the period 1998–2014 and the Annual Percent Change (APC%). To assess data quality, we used the indicators: mortality/incidence ratio (M/I), percentage of cases declared only at death (DOD%), and percentage of cases with pathological confirmation (PC%). (3) Results: The standardized incidence rate increased steadily, from 23.74 cases/100,000 in 1998, to 32/100,000 in 2014, with an APC% of 2.49% (p < 0.05). The rise in incidence affected both squamous cell carcinoma (APC% 2.49%) (p < 0.05) and cervical adenocarcinoma (APC% 10.54%) (p < 0.05). The M/I ratio was 0.29, DOD% 2.66%, and MC% 94.8%. The last two parameters are within the silver standard concerning data quality. (4) Conclusions. Our study revealed an ascending trend of cervical cancer incidence, more consistent for adenocarcinoma, in the context of a newly introduced screening program and partially due to the improvement of the quality of case reporting at the Cancer Registry from Cluj.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».