Incidence rates and contemporary trends in primary urethral cancer
Notice bibliographique
Résumé
Abstract Purpose: We assessed contemporary incidence rates and trends of primary urethral cancer. Methods: We identified urethral cancer patients within Surveillance, Epidemiology and End Results registry (SEER, 2004–2016). Age-standardized incidence rates per 1,000,000 (ASR) were calculated. Log linear regression analyses were used to compute average annual percent change (AAPC). Results: From 2004–2016, 1,907 patients with urethral cancer were diagnosed (ASR 1.69; AAPC: -0.98%, p = 0.3). ASR rates were higher in males than in females (2.70 vs. 0.55), respectively and did not change over the time (both p = 0.3). Highest incidence rates were recorded in respectively ≥ 75 (0.77), 55–74 (0.71) and ≤ 54 (0.19) years of age categories, in that order. African Americans exhibited highest incidence rate (3.33) followed by Caucasians (1.72), other race groups (1.57) and Hispanics (1.57), in that order. A significant decrease occurred over time in Hispanics, but not in other race groups. In African Americans, male and female sex-stratified incidence rates were higher than in any other race group. Urothelial histological subtype exhibited highest incidence rate (0.92), followed by squamous cell carcinoma (0.41), adenocarcinoma (0.29) and other histologies (0.20). In stage stratified analyses, T 1 N 0 M 0 stage exhibited highest incidence rate. However, it decreased over time (-3.00%, p = 0.02) in favor of T 1 − 4 N 1 − 2 M 0 stage (+ 2.11%, p = 0.02). Conclusion: Urethral cancer is rare. Its incidence rates are highest in males, elderly patients, African Americans and in urothelial histological subtype. Most incident cases are T 1 N 0 M 0 , but over time, the incidence of T 1 N 0 M 0 decreased in favor of T 1 − 4 N 1 − 2 M 0 .
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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».