دانلود مقاله اثر مدیریت و سهم موارد پیگیری نشده بر تخمین بازماندگان سرطان
خلاصه
معرفی
مواد و روش ها
نتایج
بحث
نتیجه گیری
در دسترس بودن داده ها
افشای
تضاد علاقه
قدردانی
مواد تکمیلی
منابع
Abstract
Introduction
Materials and Methods
Results
Discussion
Conclusions
Data Availability
Disclosure
Conflicts of Interest
Acknowledgments
Supplementary Materials
References
چکیده:
زمینه. برآورد بقا مستلزم پیگیری بیماران از زمان تشخیص تا زمان مرگ با اطمینان از داده های کامل و با کیفیت است. بسیاری از ثبت‌کننده‌های سرطان مبتنی بر جمعیت در کشورهای با درآمد کم و متوسط در پیوند دادن داده‌های ثبت با آمارهای حیاتی منطقه‌ای یا ملی با مشکل مواجه هستند، و این امر احتمال از دست رفتن موارد را برای پیگیری افزایش می‌دهد. تاثیر موارد از دست رفته به دنبال پیگیری بر تخمین بقا از ثبت سرطان مبتنی بر جمعیت کوچک (کمتر از 500 مورد) مورد مطالعه قرار نگرفته است و سوگیری می تواند بزرگتر از ثبت های بزرگتر باشد. مواد و روش ها. ما سناریوهایی را بر اساس داده های واقعی ایده‌آل شده از سه ثبت سرطان مبتنی بر جمعیت شبیه‌سازی کردیم تا تأثیر از دست دادن پیگیری روی بقای کلی ۱ تا ۵ ساله برای سرطان‌های معده، کولون و تیروئید - انواع سرطان با پیش آگهی بسیار متفاوت را بررسی کنیم. سناریوهای متعدد با نسبت‌های از دست رفته پیگیری (1-20%) و حجم نمونه (100-500 مورد) انجام شد. ما تأثیر حذف در مقابل پنهان سازی از دست رفته در موارد پیگیری را بررسی کردیم. فواصل اطمینان وقت شناسی و بوت استرپ برای اریبی میانگین ارائه شده است. نتایج. سانسور موارد از دست رفته پیگیری منجر به تخمین بیش از حد بقای کلی می‌شود، این اثر برای سرطان هایی با پیش آگهی ضعیف قوی تر بود و با زمان پیگیری و نسبت بیشتر موارد از دست رفته به موارد پیگیری افزایش یافت. این اثرات برای بقای خالص کمی بزرگتر از بقای کلی بود. به استثنای مواردی که برای پیگیری از دست رفته بودند، به طور میانگین سوگیری در تخمین بقا ایجاد نکرد، اما در موارد فردی، بقا کمتر و بیش از حد برآورد شد. برای سرطان معده، کولون و تیروئید، سوگیری نسبی در بقای 5 ساله سرطان با 1% از دست دادن به دنبال پیگیری به ترتیب بین 6% و 125%، 2% و 40% و 0.1% و 1.0% متغیر بود. نتیجه. تخمین بقای سرطان از ثبت‌های کوچک مبتنی بر جمعیت باید با احتیاط تفسیر شود: حتی نسبت‌های کوچک سانسور، یا حذف موارد از دست رفته در پیگیری می‌تواند باعث افزایش بقا شود و تفسیر مقایسه در مناطق یا کشورها را دشوار می‌کند.
توجه! این متن ترجمه ماشینی بوده و توسط مترجمین ای ترجمه، ترجمه نشده است.
Abstract
Background. Estimation of survival requires follow-up of patients from diagnosis until death ensuring complete and good quality data. Many population-based cancer registries in low- and middle-income countries have difficulties linking registry data with regional or national vital statistics, increasing the chances of cases lost to follow-up. The impact of lost to follow-up cases on survival estimates from small population-based cancer registries (<500 cases) has been understudied, and bias could be larger than in larger registries. Methods. We simulated scenarios based on idealized real data from three population-based cancer registries to assess the impact of loss to follow-up on 1-5-year overall and net survival for stomach, colon, and thyroid cancers—cancer types with very different prognosis. Multiple scenarios with varying of lost to follow-up proportions (1-20%) and sample sizes of (100-500 cases) were carried out. We investigated the impact of excluding versus censoring lost to follow-up cases; punctual and bootstrap confidence intervals for the average bias are presented. Results. Censoring of lost to follow-up cases lead to overestimation of the overall survival, this effect was strongest for cancers with a poor prognosis and increased with follow-up time and higher proportion of lost to follow-up cases; these effects were slightly larger for net survival than overall survival. Excluding cases lost to follow-up did not generate a bias on survival estimates on average, but in individual cases, there were under- and overestimating survival. For gastric, colon, and thyroid cancer, relative bias on 5-year cancer survival with 1% of lost to follow-up varied between 6% and 125%, 2% and 40%, and 0.1% and 1.0%, respectively. Conclusion. Estimation of cancer survival from small population-based registries must be interpreted with caution: even small proportions of censoring, or excluding lost to follow-up cases can inflate survival, making it hard to interpret comparison across regions or countries.
Introduction
Population-based cancer registries (PBCR) are the gold standard source of population-based incidence and survival statistics [1, 2]. Estimation of survival requires follow-up of a cohort of cancer patients until their moment of death or study closure, ensuring complete follow-up and good quality data. Many PBCR, contrary to the situation of clinical trials, do not perform routine follow-up of all patients when they perform survival analyses. Usually, they cross-link information from civil registration and vital statistics of their population to be informed regarding date (and cause) of death. If the completeness or quality of the vital statistics is suboptimal, deceased patients may not be reported and therefore considered erroneously being alive at the date of administrative follow-up. The quality of the death-registry is relatively complete in Colombia [3]; therefore, absence of a death certificate is usually considered as an indicator to consider the patient alive. However, in Colombia and low- and middle-income countries (LMIC), this cross-linking between registries and vital statistics is difficult and often only possible for the regional vital statistics data—if a patient died in another city, the registries would not be notified. Sometimes strict personal data protection policies [4] inhibit this linkage altogether, and registries have to rely on notes made by registrars when coincidentally encountering patients already in the registry.
Conclusions
Randomly censoring cases to be lost to follow-up leads an overestimation of overall and net survival; the effect of this censoring increases with survival time studied and proportion of cases censored and was more pronounced for types of cancer with poor prognosis. Registry size influences the dispersion of the impact: small registry size increases dispersion of impact over overall survival. It is important to grasp the size of this impact when interpreting estimates, and this study can help guide such exercises. Excluding LFU cases did not impact overall nor net survival on average, but random variations result in individual estimates which can either overestimate or underestimate both overall and net survival, and the confidence intervals of the survival estimates widen. Excluding cases should be never recommended in practice.