An Epidemiological Model to Estimate the Prevalence of Diffuse Large B-Cell Lymphoma in the United States
Notice bibliographique
Résumé
BACKGROUND: Prevalence is reflective of disease incidence and survival, and defined as the number of patients living with active disease. In diseases such as diffuse large B-cell lymphoma (DLBCL) with treatments with curative potential, a proportion of patients are cured, leading to a need for accurate, contemporary estimates of DLBCL prevalence to gauge the impact of the rapidly emerging treatment landscape. METHODS: Data from Surveillance, Epidemiology, and End Results (SEER) from 2000-2018 were utilized to develop an epidemiological model of incidence, survival, and cure, to estimate the current prevalent DLBCL population requiring active management in the United States (US). A variety of estimates were explored regarding cure rate and timing, based on a companion analysis of MarketScan data for treatment patterns and survival in incident DLBCL patients, and conditional survival analysis of SEER data. RESULTS: Across scenarios, with estimated cure ranging from 52.8% and 68.9%, and timing of cure ranging from 1 and 20 years post diagnosis, the estimated prevalence ranged from 63,883 to 142,889. With an assumption of no cure, estimated prevalence was 179,475. DISCUSSION: Prevalence estimates of DLBCL varied almost 3-fold, depending on specific cure adjustments made. Further understanding of DLBCL prevalence, for newly diagnosed and relapsed and/or refractory disease, is important to characterize the impact of emerging treatment options and related health care burden.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 source (Gemma direct ou Codex distillé), 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 ».