Syöpärekisteriaineiston kattavuus ja luotettavuus -hematologiset syövät Päijät-Hämeen sairaanhoitopiirissä.
Bibliographic record
Abstract
Syöpärekisterin ensisijaisena tehtävänä on koota tietoa Suomessa asuvan väestön syövän yleisyydestä. Suomen Syöpärekisterin kattavuuden arvioidaan olevan kansainvälisestikin erittäin hyvää tasoa. Kiinteiden kasvainten osalta rekisteröinnin kattavuus on yli 99 %, mutta eräiden hematologisten syöpien ilmoittamisaktiivisuuden on arvioitu olevan epätäydellisempää. Tämä arvio toimi tämän tutkimuksen lähtökohtana.\n\nTutkimuksen tarkoituksena oli selvittää Suomen Syöpärekisteröinnin kattavuutta ja luotettavuutta juuri hematologisten syöpien osalta. Kattavuuden ja luotettavuuden arviointi tehtiin Päijät-Hämeen sairaanhoitopiirissä. \n\nKattavuuden ja luotettavuuden arviointi perustui aineistoista laskettuihin ilmaantuvuuslukujen vertailuun ja yhdistetyn aineiston perusteella laskettuun todellisten tapausten ilmaantuvuuslukujen vertailuun. Aineistoista arvioitiin myös aineistoista puuttuvien syöpätapausten määrää ja toisaalta oliko niissä virheellisesti syöpää sairastavaksi luokiteltuja.\n\nAineistojen perusteella arvioitiin myös sitä kuinka hyvin Syöpärekisterin aineisto ja sairaaloiden hoitoilmoitusrekisteristä saatu aineisto vastasivat toisiaan, ja toisaalta kuinka kumpikin aineisto erikseen oli yhtäpitävä todellisten tapausmäärien kanssa.\n\nTutkimustulos näytti siltä, että Suomen Syöpärekisterin rekisteriaineisto on kohtuullisen luotettavaa, vaikkakin puutteita rekisteröinnissä esiintyy etenkin myeloomien ja leukemioiden osalta. Syöpärekisterin aineisto oli kaikenkaikkiaan luotettavampaa ja kattavampaa kuin sairaaloiden hoitoilmoitusrekisteristä kerätty aineisto.
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 | 0.002 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.055 | 0.017 |
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".