Expertenkohorte vs. Krebsregisterdaten – Analyse von Daten zu retroperitonealen Sarkomen
Bibliographic record
Abstract
Einleitung : Retroperitoneale Sarkome (RPS) repräsentieren eine Gruppe seltener und heterogener maligner Tumore. Die meisten Studien basieren daher auf Patientendaten aus spezialisierten Zentren. Fraglich ist jedoch, ob diese selektierte Patientengruppe auf die Gesamtheit aller RPS-Patienten übertragbar ist. Ziele : Im Rahmen der Studie soll die Übertragbarkeit zentrenbasierter Studiendaten auf die Allgemeinheit der RPS-Patienten, sowie die Plausibilität der Angaben des baden-württembergischen Krebsregisters (KR) evaluiert werden, um zukünftig eine bessere Patientenversorgung sicherzustellen. Methodik : Als Zentrumspopulation dient eine Kohorte der Transatlantic Retroperitoneal Sarcoma Working Group (TARPSWG), welche von 2002-2011 Patienten mit primärem, nicht metastasiertem RPS und operativer Therapie analysierte. Die Kohorte des KR inkludierte Patienten, für die von 2016-2021 eine Meldung mit passendem ICD-10 Code C.48.x/C.49.4/5 (retropertitoneal) sowie Sarkom-typischer Histologie (ICD-O Code gem. Onkocert) erfolgte. Diese waren ebenfalls nicht primär metastasiert und wurden im Verlauf operiert. Epidemiologische, Tumor- und Verlaufsdaten wurden mit Chi 2 Test verglichen und Überlebenszeitanalysen mit Kaplan Meier und der kumulativen Inzidenz (CCI) berechnet. Ergebnis : Es wurden 1000 Patienten der TARPSWG und 368 Patienten des KR inkludiert. KR-Patienten sind im Schnitt älter (Median +6J.), weisen ein höheres Grading und eine andere Verteilung der Histologien auf. Gut differenzierte Liposarkome (WDLPS) sind bei der TARPSWG häufiger (26.1%) als beim KR (14.9%). Die Verteilung der Geschlechter, des R-Status und der stattgehabten Therapien ist in beiden Gruppen vergleichbar. Das 5-Jahres-Überleben der KR-Patienten ist mit 56% niedriger als das der TARPSWG-Kohorte mit 68%. Auch altersadjustiert zeigt sich ein Überlebensvorteil für die TARPSWG (HR 1.22). Nach Ausschluss der WDLPS kann kein signifikanter Unterschied mehr festgestellt werden. Schlussfolgerung : Es zeigen sich Unterschiede, die sich als Verschiebung und nicht als prinzipielle Grundverschiedenheit beider Kohorten interpretieren lassen. Wir konnten zeigen, dass beide Kohorten durchaus aufeinander übertragbar sind und somit zukünftig auch KR-Daten bei klinischen Fragestellungen unterstützend herangezogen werden sollten, um ein realistisches Abbild der Versorgung zu erhalten. Grundlegend ist dabei die Stärkung der Krebsregisterdaten durch eine Verbesserung der Vollständigkeit der Dokumentation. Publication History Article published online: 26 September 2024 © 2024. Thieme. All rights reserved. Georg Thieme Verlag KG Rüdigerstraße 14, 70469 Stuttgart, Germany
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.014 | 0.062 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.003 | 0.003 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.004 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".