The Incidence and Prevalence of Primary Central Nervous System (CNS) Tumours in Canada (2010–2017), and the Survival of Patients Diagnosed with CNS Tumours (2008–2017)
Notice bibliographique
Résumé
Primary central nervous system (CNS) tumours are heterogeneous, with different treatment pathways and prognoses depending on their histological and molecular classification. Due to their anatomical location, all CNS tumours, regardless of malignancy, can be debilitating. We used vital statistics linked to Canadian Cancer Registry data to estimate the age-standardized incidence rates (ASIR), Kaplan-Meier survival rates (SR), and limited-duration prevalence proportions (PP) of 25 histology-specific CNS tumour groups that were classified based on site and histology. During 2010-2017, 45,115 patients were diagnosed with 47,085 primary CNS tumours, of which 19.0% were unclassified. The average annual ASIR was 21.48/100,000 person-years and did not vary by sex. The ASIR increased with age, particularly for meningioma, unclassified tumours, and glioblastoma. The eight-year PP was 102.1/100,000 persons (index date 1 January 2018). The most common histology was meningioma (ASIR: 5.19; PP: 31.6). The overall five-year SR among 51,310 patients diagnosed during 2008-2017 was 57.2% (95% CI: 56.8-57.7%). SRs varied by tumour behaviour, histology, and patient age, with the lowest SR among glioblastoma patients (5-year SRs ranged from 1.3-25.7%). For non-malignant tumours, the 5-year SRs ranged from 37.4-100%. We provide the most up-to-date histology-specific surveillance estimates for primary CNS tumours in Canada.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».