MétaCan
Menu
Retour à la cohorte
Enregistrement W4403243775 · doi:10.1016/j.aopr.2024.10.001

Global incidence and prevalence in uveal melanoma

2024· article· en· W4403243775 sur OpenAlexaboutno aff
Xincen Hou, Alexander C. Rokohl, Xueting Li, Yongwei Guo, Xiaojun Ju, Wanlin Fan, Ludwig M. Heindl

Notice bibliographique

RevueAdvances in Ophthalmology Practice and Research · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueOcular Oncology and Treatments
Établissements canadiensnon disponible
Organismes subventionnairesChina Scholarship Council
Mots-clésIncidence (geometry)MelanomaMedicineDermatologyOncologyInternal medicineCancer researchOpticsPhysics

Résumé

récupéré en direct d'OpenAlex

Purpose: The most common intraocular cancer in adults is uveal melanoma (UM). This study aimed to investigate and report the incidence and prognosis of UM in different regions of the world. Methods: We retrieved relevant data on UM from the PubMed database and analyzed its global incidence and prognosis. All data was obtained from a national population-based registry, with publication dates ranging from 2013 to 2023. Results: The incidence rates of UM vary across different regions: in the United States, rates were 5.1 per million (1993-2008) and 5.2 per million (1973-2013); in Canada, rates ranged from 3.34 per million (1992-2010) to 5.09 per million (2011-2017); in Republic of Korea, the rate was 0.42 per million (1999-2011); in New Zealand, it was 5.56 per million (2000-2020); in Australia, it was 7.6 per million (1982-2014); and in Europe, rates ranged from 3.1 to 5.8 per million (1995-2002). Among European countries, Sweden (5.6 per million (1960-2009)), Germany (6.41 per million (2009-2015)), Poland (6.67 per million (2010-2017)), and the United Kingdom (10 per million (1999-2010)). Conclusions: The most common site of occurrence for UM is in the choroid. Limited data suggest a stable trend in UM incidence rates across the included countries, but significant differences in incidence rates exist among different countries and regions, with notably lower rates in Asian countries compared to Europe, North America, and Oceania. In general, the incidence rate in males is slightly higher compared to that in females.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
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 enseignants0,005
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0040,005
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,044
Tête enseignante GPT0,493
Écart entre enseignants0,449 · 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

Citations20
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvances in Ophthalmology Practice and ResearchMême sujetOcular Oncology and TreatmentsTravaux en français237 207