Gastric Cancer in the Countryside or in the City: Does the Prognosis Change? An Analysis from the German States of Brandenburg and Berlin
Notice bibliographique
Résumé
Background: Medical care structures differ between urban and rural areas. Clinical cancer registries can depict real-world care through detailed data analysis, identifying potential regional disparities and contributing to improvements in healthcare. Methods: Data from the Brandenburg–Berlin Clinical-Epidemiological Cancer Registry for the years of diagnosis 2017–2022 were analyzed to assess the epidemiology and real-world care of gastric cancer, including cardia. Brandenburg was compared to Berlin regarding perioperative treatment regimens. The resulting survival benefits were assessed using Kaplan–Meier and Cox regression models. Results: For the years of diagnosis 2017 to 2022, 5805 cases of gastric carcinoma were documented in the cancer registry. Survival data showed no significant differences between Berlin and Brandenburg. Preoperative therapy for cT3/cT4N0 tumors was significantly more common in Berlin (72%) than in Brandenburg (68%). Perioperative therapy was associated with a survival benefit for stages T3-/T4N+ but not for stages T1N+ or T2. The lower proportion of pre-treated T3/T4N+ patients in rural Brandenburg did not result in a significant survival difference. Conclusions: The data provide a comprehensive representation of the current state of gastric cancer care in these two regions. Gastric cancer treatment outcomes, in terms of survival, are comparable between the rural region of Brandenburg and the urban center of Berlin.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».