Epidemiology and survival outcomes for liposarcoma patients in England: An observational cohort study using real world data
Notice bibliographique
Résumé
Purpose: This real-world data study evaluates demographic and clinical characteristics and survival in patients with liposarcoma to inform our understanding of treatment patterns and associated outcomes in this rare cancer. Materials and methods: A retrospective cohort study was conducted using existing data available through the Clinical Practice Research Datalink. Male and female patients aged 18 years or older who had their first ever record of liposarcoma between 1998 and 2018 were included in the study. The demographic and tumour characteristics were presented (overall, by first line treatment and for dedifferentiated liposarcoma only) as proportions (percentages) while continuous variables were presented as means with standard deviation and interquartile ranges. Survival rates from diagnosis date and first line treatment (with 95% confidence intervals) were also calculated. Results: 1,315 patients were included, of which 46% (611) had a treatment recorded. Most patients were male and over the age of 60 years. Surgery was the most frequent treatment received following diagnosis (34% of all patients), followed by radiotherapy (8%) and chemotherapy (2.4%) with the remaining patients having no record of treatment available. Overall, there was a 77% probability of survival after diagnosis at 5 years. Conclusions: Findings from this study help advance our understanding of real world patient characteristics, treatment patterns and survival outcomes in a rare and heterogeneous cancer, which may be useful for guiding clinical management. This study also identified challenges with using real world data, which can be minimised through improving data collection and standardisation.
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 | 0,001 |
| 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 | 0,000 |
| 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 ».