Clinicopathologic features and new factors affecting constitution of eyelid neoplasms: a 10-year multicentre experience in southern coastal China
Notice bibliographique
Résumé
OBJECTIVE: This study aims to delineate the key characteristics of eyelid neoplasms in central and southern coastal China and to explore potential factors affecting tumour development. METHODS: This was a retrospective, multicentre observational study. In total, 1302 cases of eyelid neoplasms diagnosed in 2 tertiary hospitals were reviewed from January 2013 to May 2023. Histogenesis, pathologic diagnosis, and potential risk factors were investigated, and the findings were compared with data from various regions and countries. Age- and sex-specific incidence rates, time trends, distributions across age groups, and the relationship with the Sociodemographic Index, latitude, and altitude were calculated. RESULTS: There were 1162 benign (89.2%) and 140 malignant (10.8%) cases, representing 63 pathologic types. The median age of benign cases (50 years) was significantly lower than that of malignant cases (72 years) (P < 0.05). The most common benign and malignant lesions were intradermal nevus (28.83%) and basal cell carcinoma (BCC) (74.29%). A relatively younger median age (68 years) for sebaceous gland carcinoma (SGC) was observed, with a male preponderance (sex ratio 2:1). Analyses of the proportions of BCC, SGC, and squamous cell carcinoma in eyelid malignancies revealed significant regression equations (P < 0.05). CONCLUSIONS: Most eyelid neoplasms are of epithelial and melanocytic origin, with benign tumours being predominant. The regions with greater Sociodemographic Index exhibit a greater incidence of BCC and a lower incidence of squamous cell carcinoma and SGC. BCC appears to have a greater incidence in regions located at higher latitudes.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».