MétaCan
Menu
Retour à la cohorte
Enregistrement W4361800675 · doi:10.33616/lam.33.0087

A méhnyakrák epidemiológiai mutatói 2000–2019 között Magyarországon megfigyelhető változásának elemzése nemzetközi összevetéssel

2023· article· hu· W4361800675 sur OpenAlexaff
T. Csákvári, Dorina Gyenese, D Elmer, D Pónusz-Kovács, I Boncz

Notice bibliographique

RevueLege Artis Medicinae · 2023
Typearticle
Languehu
DomaineMedicine
ThématiqueIron Metabolism and Disorders
Établissements canadiensInstitute of Health Economics
Organismes subventionnairesnon disponible
Mots-clésMathematicsAnimal sciencePhysicsDemographySociologyBiology

Résumé

récupéré en direct d'OpenAlex

A méhnyakrák egy ma már megelőzhető, mégis az európai átlagnál magasabb mortalitási rátát mutató betegség Magyarországon. Kutatásunk célja a hazai méhnyakszűréshez köthető mutatók vizsgálata hazai és nemzetközi viszonylatban. Kvantitatív, retrospektív kutatást végeztünk. Adataink az OECD Health Statistics, a Nemzeti Rák­regiszter és a Központi Statisztikai Hivatal adatbázisából származnak a 2000–2019 kö­zötti időintervallumban. Az OECD tagállamok tekintetében a 100 ezer főre vetített, standardizált halálozási arányszámot és a szűrésen való részvételi arányt (%) válogattuk le. Kétmintás t-próbát, lineáris- és β-regressziót, valamint Pearson-féle korreláció­analízist számoltunk, továbbá kétlépcsős klasz­terelemzést végeztünk (IBM-SPSS 25.0; STATA 14.2). A méhnyakrák prevalen­ciája 2000-ben 30,2/100 ezer fő volt, ami 2019-ben 20,1/100 ezer főre esett vissza. 2010-ben volt a legkisebb a méhnyakrák előfordulási gyakorisága (18,5/100 ezer fő). Hazánkban a szűrővizsgálatokon való részvételi arány 2006-ban 47,2% volt, és az évek során folyamatosan csökkent, 2019-ben a 20–69 éveseknek már csupán a 30,2%-a jelent meg szűrésen. 2019-ben Magyarországon 6,0/100 ezer fő volt a halálozási ráta, ami a 2000-es értéknél 30,2%-kal kisebb, azonban az európai átlagnál (3,8/100 ezer fő) még mindig nagyobb. Kutatásunk során megállapítottuk, hogy amelyik országban többen vettek részt a méhnyakszűrésen, ott a 2019-es év adatai alapján (r = –0,697; p = 0,017) kevesebben haltak meg méhnyakrákban. Magyarországon továbbra is kihívást jelent a magasabb részvételi arány elérése a méhnyakszűrésen, ugyanakkor csökkent a mortalitás mértéke. A lakosság egészségtudatosságának növelésére irányuló intézkedések mellett a szolgáltatói oldal szerepének fontosságát és an­nak lehetőségeit is szükséges tudato­sítani egy még eredményesebb szűrő­prog­ram érdekében.

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)0,004
score de la tête « metaresearch » (Gemma)0,011
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 enseignants0,051
Score d'incertitude au seuil0,101

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,011
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,004
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0230,004

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 Opus0,021
Tête enseignante GPT0,302
Écart entre enseignants0,280 · 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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLege Artis MedicinaeMême sujetIron Metabolism and DisordersTravaux en français237 207