Incidence and survival of primary central nervous system tumors diagnosed in 4 Canadian provinces from 2010 to 2015
Notice bibliographique
Résumé
Background: The Brain Tumor Registry of Canada was established in 2016 to enhance infrastructure for surveillance and clinical research on Central Nervous System (CNS) tumors. We present information on primary CNS tumors diagnosed among residents of Canada from 2010 to 2015. Methods: Data from 4 provincial cancer registries were analyzed representing approximately 67% of the Canadian population. Age-standardized incidence rates (ASIR) and 95% confidence intervals (CI) were calculated using the 2011 Canadian population age distribution. Net survival was estimated using the Pohar-Perme method. Results: A total of 31 644 primary tumors were identified for an ASIR of 22.8 per 100 000 person-years. Nonmalignant tumors made up 47.1% of all classified tumors, with mixed behaviors present in over half of histology groupings. Unclassified were 19.5% of all tumors. The most common histological subtypes are meningiomas (ASIR = 5.5 per 100 000 person-years); followed by glioblastomas (ASIR 4.0 per 100 000 person-years). The overall 5-year net survival rate for CNS tumors was 65.5%; females 70.2% and males 60.4%. GBMs continue to be the most lethal CNS tumors for all sex and age groups. Conclusions: The low annual frequency of most CNS tumor subtypes emphasizes the value of population-based data on all primary CNS tumors diagnosed among Canadians. The large number of histological categories including mixed behaviors and the proportion of unclassified tumors emphasizes the need for complete reporting. Variation in incidence and survival across histological groups by sex and age highlights the need for comprehensive and histology-specific reporting. These data can be used to better inform research and health system planning.
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 | 0,001 |
| 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 ».