Improving the Connection Between Population-Based and National Clinical Pediatric Cancer Registries—A Pilot Study on Neuroblastoma: The Italian BENCHISTA-Ita Project
Notice bibliographique
Résumé
Background: Childhood cancers (CC) are rare and treatable; however, survival rates vary across Europe, with poorer outcomes in Eastern countries. Stage at diagnosis is one of the major prognostic factors. The BENCHISTA-Ita project aims to promote the use of the Toronto Guidelines by population-based cancer registries (PBCR) to standardize stage at diagnosis data collection. In Italy, regional cancer registries ensure data quality, while national clinical registries centralize pediatric cancer data. The aim of the study is to promote the linkage between PBCRs and national clinical registries to enhance data completeness. This study presents the results of linking BENCHISTA-Ita neuroblastoma cases with the Italian Neuroblastoma Registry (RINB) as a pilot study. Methods: The linkage process involved probabilistic matching using R software, considering variables such as sex, year of birth, and residence at diagnosis. The study included 294 neuroblastoma cases from BENCHISTA-Ita and 578 from RINB, diagnosed between 2013 and 2017. Results: Results showed that 272 of 294 BENCHISTA-Ita cases matched with RINB cases, improving the completeness of clinical variables such as stage at diagnosis, N-Myc amplification, and relapse/progression. The linkage increased the completeness of clinical variables in PBCR, such as stage at diagnosis from 81% to 99%, N-Myc from 47% to 86%, and relapse/progression from 68% to 98%. Additionally, the linkage improved RINB’s follow-up completeness from 59% to 97% and added new cases in both PBCR and RINB. Conclusions: This linkage demonstrates the potential to enrich both databases, improving data quality and harmonization of cancer indicators. The study highlights the importance of collaboration between PBCRs and clinical registries to ensure comprehensive data collection and enhance more informative population-based studies. Future efforts will focus on expanding the linkage to other national clinical registries.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,046 | 0,073 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».