Trends in Diagnosis and Treatment of Metastatic Cancer in the United States
Notice bibliographique
Résumé
OBJECTIVES: Metastatic cancer has historically been considered fatal; however, there is a paucity of evidence characterizing the epidemiology of incidence, treatment, and outcomes in these patients. MATERIALS AND METHODS: Incidence rates, annual percent change (APC), descriptive epidemiological statistics, and odds ratios for survival were calculated using registry data from the Surveillance, Epidemiology, and End Results (SEER) and the National Cancer Database (NCDB), 1998 to 2015. RESULTS: There were a total of 1,055,860 patients with metastatic cancer. The most frequent primary cancers were lung (42.6%), colorectal (9.5%), and ovarian (5.5%). Metastatic lung and colorectal cancer incidence decreased, APC: -1.57 (P<0.001) and APC: -1.48 (P<0.001), respectively; metastatic pancreatic cancer incidence increased, APC: 0.62 (P=0.001). The use of local therapies decreased for almost all sites, and the use of systemic therapies increased across multiple sites: single-agent chemotherapy in kidney (2.54% increase/year), female breast (1.14% increase/year), and prostate cancer (1.08% increase/year); multiagent chemotherapy, most notably in pancreas (2.23% increase/year), uterus (1.81% increase/year), and colorectal cancer (1.54% increase/year). Increased utilization of immunotherapy was observed across the majority of sites, most notably in melanoma (2.14% increase/year). Patients diagnosed from 2006 to 2010 had 17.4% higher odds of surviving at least 60 months compared with 1998 to 2002. CONCLUSIONS: In this study, metastatic disease has been shown to have unique epidemiological patterns, and survival has improved. Continued research on metastatic disease is important in understanding and addressing the distinct health concerns of 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».