MétaCan
Menu
Retour à la cohorte
Enregistrement W3217305962 · doi:10.3390/curroncol28060423

Prevalence of Lung Metastases among 19,321 Metastatic Colorectal Cancer Patients in Eight Countries of Europe and Asia

2021· article· en· W3217305962 sur OpenAlexvenueno aff
Markus S. Jördens, Simon Labuhn, Tom Luedde, Laura Hoyer, Karel Kostev, Sven H. Loosen, Christoph Roderburg

Notice bibliographique

RevueCurrent Oncology · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueLung Cancer Diagnosis and Treatment
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineColorectal cancerLung cancerInternal medicineStage (stratigraphy)OncologyOdds ratioLungCancerDisease

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Colorectal cancer is one of the most common malignancies in the Western world, and is responsible for about 10% of annual cancer-related deaths. Especially for UICC stage IV, the probability of survival is significantly reduced. Little is known about risk factors for specific metastatic patterns of colorectal cancer that may also influence patients' overall survival. METHODS: We used data from the IQVIA oncology dynamics (OD) database to determine the prevalence of pulmonary metastases in 19,321 patients with UICC stage IV colorectal cancer in eight European and Asian countries. RESULTS: In total, 6132 of 19,321 (31.7%) study patients had lung metastases, with a higher prevalence among patients with rectal (37.5%) than colon (30.1%) cancer. When compared to China as the country with the lowest lung metastases prevalence, the odds for lung metastases were highest in UK (OR: 2.02, 95%CI: 1.80-2.28), followed by Italy (OR: 1.86, 95%CI: 1.52-2.27), Spain (OR: 1.85, 95%CI: 1.64-2.09), and Germany (OR: 1.47, 95%CI: 1.26-1.71). CONCLUSION: The prevalence of pulmonary metastases in UICC stage IV colorectal cancer varies widely among the different analyzed countries. Although the present data are purely descriptive, a possible combination of ethnic, environmental, and health care system-associated differences could be discussed as the underlying cause. Further studies are needed to investigate the reasons for differences in the prevalence of lung metastases.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,004
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,035
Tête enseignante GPT0,374
Écart entre enseignants0,339 · 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

Citations13
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCurrent OncologyMême sujetLung Cancer Diagnosis and TreatmentTravaux en français237 207