periods: ovarian cancer trends in Ontario
Notice bibliographique
Résumé
We assessed population-based trends in incidence and survival rates for epithelial ovarian cancer in Ontario in two time periods. Our population-based study cohort included all women with epithelial ovarian cancer treated initially with abdominal surgery in Ontario for January 1996 through December 2001. Incident surgical cases were documented by hospital contact data and the Ontario Cancer Registry. Patient characteristics (age, for example) were obtained from electronic administrative data records. Regression analyses were used to assess the influence of time period on survival while controlling for age, comorbidity, and other factors associated with this outcome. A total of 3825 women met the inclusion criteria. We found that the age-standardized incidence of ovarian cancer remained stable during 1996–2001. A shift to a younger age at diagnosis was found between the two time periods being compared. The univariate analysis revealed a clear difference in death rate, to which age at diagnosis, Charlson comorbidity score, and treatment period contributed. Earlier time period (p < 0.0001), advancing age (p < 0.0001), higher Charlson score (p < 0.0001), and lower income quartile score (p = 0.03) were significantly associated with poorer survival in the univariate analysis. Younger age, lower Charlson score, and more recent time period of diagnosis and treatment (p < 0.0001) were associated with improved survival in the proportional hazards model. We conclude that age-standardized incidence and mortality rates for ovarian cancer in Ontario have remained stable. For women initially treated with surgery, advances in management have led to an improvement in survival.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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) | 0,047 | 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 ».