Survival rate of ovarian cancer in Asian countries: a systematic review and meta-analysis
Notice bibliographique
Résumé
Abstract Background Ovarian cancer is amongst one of the most commonly occurring cancers affecting women, and the leading cause of gynecologic related cancer death. Its poor prognosis and high mortality rates can be attributed to the absence of specific signs and symptoms until advance stages, which frequently leads to late diagnosis. Survival rate of patients diagnosed with ovarian cancer can be used in order to better assess current standard of care; the aim of this study is to evaluate the survival rate of ovarian cancer patients in Asia. Methods Systematic review was performed on articles that were published by the end of August 2021 in five international databases, including Medline / PubMed, ProQuest, Scopus, Web of Knowledge, and Google Scholar. The Newcastle-Ottawa quality evaluation form was used for cohort studies to evaluate the quality of the articles. The Cochran-Q and I 2 tests were used to calculate the heterogeneity of the studies. The Meta-regression analysis was also done according to when the study was published. Results A total of 667 articles were reviewed, from which 108 were included in this study because they passed the criteria. Based on a randomized model, the survival rates of ovarian cancer after 1, 3 and 5 years were respectively 73.65% (95% CI, 68.66–78.64), 61.31% (95% CI, 55.39–67.23) and 59.60% (95% CI, 56.06–63.13). Additionally, based on meta-regression analysis, there was no relationship between the year of study and survival rate. Conclusions The 1-year survival rate was higher than that of 3- and 5-year for ovarian cancer. This study provides invaluable information that can not only help establish better standard of care for treatment of ovarian cancer, but also assist in development of superior health interventions for prevention and treatment of the disease.
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 | 0,013 | 0,029 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,017 | 0,047 |
| Bibliométrie | 0,007 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».