Ultra‐rare sarcomas: A consensus paper from the Connective Tissue Oncology Society community of experts on the incidence threshold and the list of entities
Notice bibliographique
Résumé
BACKGROUND: Among sarcomas, which are rare cancers, many types are exceedingly rare; however, a definition of ultra-rare cancers has not been established. The problem of ultra-rare sarcomas is particularly relevant because they represent unique diseases, and their rarity poses major challenges for diagnosis, understanding disease biology, generating clinical evidence to support new drug development, and achieving formal authorization for novel therapies. METHODS: The Connective Tissue Oncology Society promoted a consensus effort in November 2019 to establish how to define ultra-rare sarcomas through expert consensus and epidemiologic data and to work out a comprehensive list of these diseases. The list of ultra-rare sarcomas was based on the 2020 World Health Organization classification, The incidence rates were estimated using the Information Network on Rare Cancers (RARECARENet) database and NETSARC (the French Sarcoma Network's clinical-pathologic registry). Incidence rates were further validated in collaboration with the Asian cancer registries of Japan, Korea, and Taiwan. RESULTS: It was agreed that the best criterion for a definition of ultra-rare sarcomas would be incidence. Ultra-rare sarcomas were defined as those with an incidence of approximately ≤1 per 1,000,000, to include those entities whose rarity renders them extremely difficult to conduct well powered, prospective clinical studies. On the basis of this threshold, a list of ultra-rare sarcomas was defined, which comprised 56 soft tissue sarcoma types and 21 bone sarcoma types. CONCLUSIONS: Altogether, the incidence of ultra-rare sarcomas accounts for roughly 20% of all soft tissue and bone sarcomas. This confirms that the challenges inherent in ultra-rare sarcomas affect large numbers of patients.
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 | 0,101 | 0,126 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,005 |
| Bibliométrie | 0,010 | 0,007 |
| Études des sciences et des technologies | 0,004 | 0,004 |
| Communication savante | 0,007 | 0,009 |
| Science ouverte | 0,008 | 0,011 |
| Intégrité de la recherche | 0,013 | 0,019 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,002 |
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 ».