International variations in carcinoma and melanoma incidence in children and adolescents
Notice bibliographique
Résumé
In order to compare the subtype distribution of carcinoma and melanoma in children and adolescents between Japan and other countries, we extracted information on cancer incidence in children and adolescents from the third volume of the International Incidence of Childhood Cancer series (IICC-3) (1). The IICC-3 reports the number or incidence rates of cancers diagnosed in childhood and adolescence, from cancer registries (regional or national) worldwide. We analysed carcinoma and melanoma incidence in four countries in Asia (Japan, China, the Republic of Korea and Thailand), two countries in Africa (Egypt and Uganda), four countries in the Americas (North: The United States of America and Canada, Latin and Caribbean: Brazil and Colombia), three countries in Europe (the United Kingdom [UK], France and Germany) and two countries in Oceania (Australia and New Zealand). Information from the Republic of Korea, USA, UK, Australia and New Zealand was obtained at the national level, and that from the other countries was extracted from one or multiple regional cancer registries. The years of incidence included in the analyses varied from country to country, ranging from 1990 to 2014, with the shortest being 12 years (Egypt: 1999–2010, UK: 2000–2011) and the longest being 24 years (Japan and China: both 1990–2013). In this study, we compared the incidence and proportional distribution of carcinoma and melanoma subtypes in children (0–14 years old) and adolescents (15–19 years old) between these countries.
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) | 0,000 | 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 | 0,000 |
| 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 ».