Comparing epidemiological and clinical data from RPS patients documented in a German cancer registry to a cohort from TARPSWG reference centres
Notice bibliographique
Résumé
Abstract Purpose Retroperitoneal sarcomas (RPS) are rare, heterogeneous tumours. Treatment recommendations are mainly derived from cohorts treated at reference centres. The applicability of data from cancer registries (CR) is controversial. This work compares CR and TARPSWG (Transatlantic Australasian Retroperitoneal Sarcoma Working Group) data to assess the representativeness of the TARPSWG and the applicability of the CR data. Methods TARPSWG cohort has previously been described. The CR Baden-Württemberg cohort includes patients with primary RPS M0 (years 2016–2021, ICD-10 C.49.4/5, C48.x) who underwent surgery within 12 months. Only patients with sarcoma-typical histology codes as used for the German Cancer Society certification system were included. Patient, tumour and therapy factors as well as survival times were compared with Chi 2 -test, Kaplan Meier curves, and adjusted models. Results 1000 (TARPSWG) and 364 (CR) patients were included. CR patients were older (median: 64 years vs. 58 years), had more high-grade tumours (FNCLCC 3 48.1% vs. 27.4%, p < 0.0001) and the 5-year survival rate was significantly lower (56.3% vs. 67.9%, p = 0.0015). The proportions of dedifferentiated liposarcoma (CR 37.1% vs. 37.0%) and leiomyosarcoma (CR 20.1% vs. 19.2%), and patterns of recurrence in these most frequent RPS subtypes were similar. Conclusion ICD-O/ICD 10 based filters appear to be a valid tool for extracting RPS cases from CR. The similar distribution and biological behavior of distinct RPS subtypes suggests that TARPS-WG are representative, and CR data may be used to verify recommendations derived from reference centre cohorts. Complementary use of data from different sources warrants further investigation in rare cancers.
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 | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».