Safe handling of cytotoxics: guideline recommendations
Notice bibliographique
Résumé
Objective: To investigate the clinicopathological, therapeutic, and survival data on pediatric major salivary gland cancers.Materials and Methods: National Cancer Database (NCDB) query from 2004 to 2018.Results: In total, 967 cases of individuals under the age of 21 were identified.Most cancers affected the parotid gland (86%).Mucoepidermoid carcinoma (41.3%) and acinic cell adenocarcinoma (33.6%) were the most common.Tumors occurred more often from age 11 to 21, and females were more affected.Histology varied by age, gender, and race.In the 0-5 age group, mucoepidermoid carcinoma and myoepithelial carcinoma/sarcoma/rhabdomyosarcoma were the most common pathologies.In patients over 5 years old, mucoepidermoid carcinoma was the most frequent tumor in boys, while acinic cell adenocarcinoma was more common in girls.African American patients had a higher incidence of mucoepidermoid carcinoma, while White patients in the 0-5 age group had a higher incidence of myoepithelial carcinoma/sarcoma/rhabdomyosarcoma tumors.Low-grade tumors were commonly diagnosed at stage I, but the 0-5 age group had a high frequency of stage IV tumors.The overall 5-year survival rate was 94.9%, with 90% for the 0-5 years age group and 96% for the 11-15 years age group.Negative margins were associated with higher 5-year survival rates in high-stage tumors (93%) compared to positive margins (80%).Submandibular malignancies had worse 5-year survival rates across all age groups.Conclusions: Major salivary gland malignancies in pediatric patients exhibit variations in histopathologic characteristics by age, gender, and race.Negative margins impact 5-year survival rates, especially in high-stage tumors.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».