MétaCan
Menu
Retour à la cohorte
Enregistrement W4251530226 · doi:10.1158/1538-7755.asgcr21-111

Abstract 111: Colorectal Cancer Presentation and Survival Outcomes in Nigeria: A Prospective Multi-Centre Cohort Study of 543 Patients

2021· article· en· W4251530226 sur OpenAlexaff
Adeniyi S. Aderibigbe, Anna Dare, Gregory Knapp, Olusegan Alatise, T. Peter Kingham

Notice bibliographique

RevueCancer Epidemiology Biomarkers & Prevention · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueColorectal Cancer Screening and Detection
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésMedicineProspective cohort studyProportional hazards modelInternal medicineColorectal cancerLogistic regressionReferralStage (stratigraphy)Univariate analysisCancerCohortMultivariate analysisFamily medicine

Résumé

récupéré en direct d'OpenAlex

Abstract Purpose: Prospective data on colorectal cancer (CRC) presentation and outcomes in Nigeria is limited, however emergency presentation with advanced disease is thought to be common. Using the African Research Group for Oncology's prospective, multisite database of CRC patients in Southwest Nigeria, we evaluated risk factors for emergency CRC presentation and effects on overall survival (OS). Methods: Consecutive CRC patients presenting between 2013 and May 2020 to five referral sites were included. Demographic, socioeconomic and disease-related risk factors for emergency presentation were evaluated using univariate and multivariable logistic regression methods. We compared OS between emergency and elective patients, stratified for clinical stage, using Kaplan-Meier survival and Cox proportional hazards methods. Results: Of 543 CRC patients, 168 (30.9%) presented emergently. Median age at diagnosis was 55 years, 53% were male, and 4.8% reported a family history of cancer. Patients presenting emergently were more likely to have cancers proximal to the splenic flexure (41.1% vs 24.6%, p<0.001), stage IV disease (62.7% vs 43.4%, p<0.001) use non-motorized transport (54.4% vs 37.7%, p=0.001), have a lower median household income (USD$65/month vs $USD79/month, p<0.04), and lower education level than those presenting electively. On multivariable regression analysis, only low BMI, stage IV disease, mode of transport and hospital site were significantly associated with emergency presentation. Median OS was 5.4 months (IQR 0.9-14.5; n=146) in the emergency group compared to 10.7 months (IQR 3/8-22.5; n=375) among elective patients. After adjustment for clinical stage at diagnosis, emergency presentation was still associated with significantly worse OS (HR 1.52; 95% C.I. 1.36-1.63, p<0.001). Conclusion: A high proportion of CRC patients in Nigeria present emergently, with advanced disease. Even after adjusting for clinical stage, these patients have worse overall survival. Earlier detection of cancers, including removing barriers to timely presentation and diagnosis, should be a focus of cancer control efforts. Citation Format: Adeniyi Aderibigbe, Anna Dare, Gregory Knapp, Olusegan Alatise, T. Peter Kingham. Colorectal Cancer Presentation and Survival Outcomes in Nigeria: A Prospective Multi-Centre Cohort Study of 543 Patients [abstract]. In: Proceedings of the 9th Annual Symposium on Global Cancer Research; Global Cancer Research and Control: Looking Back and Charting a Path Forward; 2021 Mar 10-11. Philadelphia (PA): AACR; Cancer Epidemiol Biomarkers Prev 2021;30(7 Suppl):Abstract nr 111.

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)0,000
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 enseignants0,006
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,038
Tête enseignante GPT0,371
Écart entre enseignants0,332 · 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

Citations2
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCancer Epidemiology Biomarkers & PreventionMême sujetColorectal Cancer Screening and DetectionTravaux en français237 207