Use of Period Analysis to Timely Assess Five-Year Relative Survival for the Patients With Bone Cancer
Notice bibliographique
Résumé
Background: While timely assessment of long-term survival for patients with bone cancer is essential for evaluation on early detection and prognosis level of treatment of bone cancer, those data are extremely scarce in China. We aimed to timely and accurately assess long-term survival for patients with bone cancer in Eastern China. Methods: Patients diagnosed with bone cancer during 2004 - 2018 from four cancer registries with high-quality data from Taizhou, Eastern China were included. Five-year relative survival (RS) of bone cancer patients was calculated by period analysis for overall and the stratification. We further predicted 5-year RS during upcoming 2019 - 2023 using a model-based period analysis and survival data during 2004 - 2018. Results: Overall, 5-year RS for patients with bone cancer during 2014 - 2018 reached 46.6%, being 40.8% for male and 51.0% for female. Five-year RS declined along with aging, decreasing from 58.9% for age < 45 years to 41.5% for age > 60 years, while 5-year RS for urban area was higher compared to rural area (59.1% vs. 44.3%). The 5-year RS during upcoming 2019 - 2023 reached 48.3%. We found a clear upward trend in 5-year RS during 2004 - 2023 for overall and the stratification by sex, age at diagnosis, and region. Conclusions: We found that, for first time in China using period analysis, most up-to-date 5-year RS for patients with bone cancer reached 46.6% during 2014 - 2018, and is projected to reach 48.3% for the period 2019 - 2023, which has important implications for timely evaluation on early detection and prognosis level of treatment for patients with bone cancer in Eastern China.
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 | 0,005 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 ».