Quantification of Women Who Could Benefit from Hormone Therapy after Endometrial Cancer Treatment: An Analysis of SEER Data
Notice bibliographique
Résumé
Our primary aim was to estimate the magnitude of stage I endometrial cancer (EC) survivors that could benefit from hormonal therapy (HT). Our secondary aims were to assess EC incidence in women below 50 and below 60 over the years, and analyze the overall survival and any influencing factors. We analyzed the endometrioid EC data from the Surveillance, Epidemiology, and End Results (SEER) program according to women's age, tumor stage, and grade. We analyzed the proportions of EC survivors below 50 and below 60 years of age and stratified those age groups by race. For age distribution and survival analysis SEER, 18 registries' research data (2000-2018) were analyzed. We analyzed the SEER 12 registries' research data (1992-2019) for incidence time trends. Our investigation found a 14% and 40% cumulative prevalence of stage I EC that occurs in women below 50 or 60 years, respectively. EC's prevalence has progressively risen in recent decades, but cancer-specific mortality remains low. The increasing number of women affected by EC in premenopause or early postmenopause face an 18 years-survival rate of 96.86% and 95.73%, respectively. A significant proportion of low-grade EC survivors can potentially benefit from HT treatment, and this requires awareness of other aspects of their health or quality of life, in addition to cancer treatments.
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 | 0,003 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».