We propose a web-based tool (SART: http://regstattools.net/sart.html) that automates calculations to obtain various population indicators that can be used for the control of diseases or health events. SART has four modules: a) a descriptive module that allows calculation of the number of cases and their percentage, the crude rate, the adjusted rate, the truncated rate and the cumulative rate; b) the estimated annual percentage change of rates; c) calculation of expected cases; and d) the standardized incidence of mortality ratio. SART requests a base file and input parameters from the user before processing the data. The data and the results obtained are processed and then sent by email to the user. The results are provided by sex and for each of the study variables (diseases, ethnic groups, geographic areas...) introduced into the base file.

Se propone una herramienta vía web (SART: http://regstattools.net/sart.html) que automatiza los cálculos para la obtención de distintos indicadores poblacionales importantes para el control de enfermedades o eventos de la salud. Se estructura en cuatro módulos: a) una descriptiva que incluye el cálculo del porcentaje, el número de casos, la tasa cruda, la tasa ajustada, la tasa truncada y la tasa acumulada; b) la estimación del porcentaje de cambio anual de las tasas; c) el cálculo de casos esperados, y d) la razón de incidencia o mortalidad estandarizada. La aplicación solicita unos parámetros de entrada al usuario. Una vez procesados los datos y obtenidos los resultados, éstos se envían por correo electrónico al usuario. Los resultados se obtienen para cada una de las causas de estudio (enfermedades, etnias, zonas geográficas...) y cada uno de los sexos introducidos en el fichero base.

We propose a web-based tool (SART: http://regstattools.net/sart.html) that automates calculations to obtain various population indicators that can be used for the control of diseases or health events. SART has four modules: a) a descriptive module that allows calculation of the number of cases and their percentage, the crude rate, the adjusted rate, the truncated rate and the cumulative rate; b) the estimated annual percentage change of rates; c) calculation of expected cases; and d) the standardized incidence of mortality ratio. SART requests a base file and input parameters from the user before processing the data. The data and the results obtained are processed and then sent by email to the user. The results are provided by sex and for each of the study variables (diseases, ethnic groups, geographic areas...) introduced into the base file.

Se propone una herramienta vía web (SART: http://regstattools.net/sart.html) que automatiza los cálculos para la obtención de distintos indicadores poblacionales importantes para el control de enfermedades o eventos de la salud. Se estructura en cuatro módulos: a) una descriptiva que incluye el cálculo del porcentaje, el número de casos, la tasa cruda, la tasa ajustada, la tasa truncada y la tasa acumulada; b) la estimación del porcentaje de cambio anual de las tasas; c) el cálculo de casos esperados, y d) la razón de incidencia o mortalidad estandarizada. La aplicación solicita unos parámetros de entrada al usuario. Una vez procesados los datos y obtenidos los resultados, éstos se envían por correo electrónico al usuario. Los resultados se obtienen para cada una de las causas de estudio (enfermedades, etnias, zonas geográficas...) y cada uno de los sexos introducidos en el fichero base.

Relative survival is the most commonly used method to determine survival in patients diagnosed with cancer. This method takes into account estimation of expected survival in cancer patients based on the observed mortality in the geographical area to which they belong. The most frequently used methods for estimation of expected survival are the Ederer (I and II) and Hakulinen methods. Survival tables for the geographical areas stratified by age and calendar year are required for these calculations. The present article presents an example of how to perform these estimations and how to choose the most appropriate method for the type of analysis to be performed. This article shows that if the follow-up of the cohort is less than 10 years, any of these methods should give similar results. However, the Hakulinen method is preferred, since it accounts for heterogeneity due to potential withdrawals.

El método más utilizado en el cálculo de la supervivencia de los pacientes diagnosticados de cáncer es la supervivencia relativa. Este método tiene en cuenta la estimación de la supervivencia esperada de dichos pacientes a partir de la mortalidad observada en la zona geográfica de la que proceden. Los métodos utilizados con mayor frecuencia en dicha estimación son los de Ederer (I y II) y el método de Hakulinen. Para dichos cálculos es necesaria la disponibilidad de las tablas de supervivencia estratificadas por edad y por período de calendario. En este trabajo se presenta un ejemplo en el que se muestra cómo realizar dichos cálculos de tal forma que permitan al investigador decidir qué método es el más adecuado según el tipo de análisis que lleve a cabo. Se mostrará que, si el tiempo de seguimiento de la cohorte es inferior a 10 años, cualquiera de los métodos debería dar resultados similares. Sin embargo, el método recomendable es el de Hakulinen, ya que tiene en cuenta la heterogeneidad en el momento de las censuras debidas a posibles pérdidas de seguimiento o abandonos.

Relative survival is the most commonly used method to determine survival in patients diagnosed with cancer. This method takes into account estimation of expected survival in cancer patients based on the observed mortality in the geographical area to which they belong. The most frequently used methods for estimation of expected survival are the Ederer (I and II) and Hakulinen methods. Survival tables for the geographical areas stratified by age and calendar year are required for these calculations. The present article presents an example of how to perform these estimations and how to choose the most appropriate method for the type of analysis to be performed. This article shows that if the follow-up of the cohort is less than 10 years, any of these methods should give similar results. However, the Hakulinen method is preferred, since it accounts for heterogeneity due to potential withdrawals.

El método más utilizado en el cálculo de la supervivencia de los pacientes diagnosticados de cáncer es la supervivencia relativa. Este método tiene en cuenta la estimación de la supervivencia esperada de dichos pacientes a partir de la mortalidad observada en la zona geográfica de la que proceden. Los métodos utilizados con mayor frecuencia en dicha estimación son los de Ederer (I y II) y el método de Hakulinen. Para dichos cálculos es necesaria la disponibilidad de las tablas de supervivencia estratificadas por edad y por período de calendario. En este trabajo se presenta un ejemplo en el que se muestra cómo realizar dichos cálculos de tal forma que permitan al investigador decidir qué método es el más adecuado según el tipo de análisis que lleve a cabo. Se mostrará que, si el tiempo de seguimiento de la cohorte es inferior a 10 años, cualquiera de los métodos debería dar resultados similares. Sin embargo, el método recomendable es el de Hakulinen, ya que tiene en cuenta la heterogeneidad en el momento de las censuras debidas a posibles pérdidas de seguimiento o abandonos.

Introduction: To increase data reliability and reduce the costs associated with the HTR, the Catalan Institute of Oncology programmed the manual procedures of data collection from databases by means of a computer application (ASEDAT). Material and method: ASEDAT detects the incident tumors of the registry from the databases of the pathology records (PR) and discharge records (DR) and selects the basic information from both databases. Data from the HTR data was collected for the period 1999-2000 by means of 2 procedures: manual and automatized collection and the results obtained were compared. Results: 10,498 cancer patients were detected. Manual resolution detected 8,309 incident tumors and 2,374 prevalent tumors. ASEDAT automatically detected 8,901 patients (84.8%), in whom 8,367 incident tumors were detected (58 more tumors than the manual procedure). Validation of agreement was performed in the incident tumors detected by both methods (7,063 tumors). In 6,185 tumors (87.6%) the information agreed in all the variables. Of the discordant tumors, 692 (9.8%) were obtained by the RHT staff using manual resolution, and the remainder (186;2.6%) were obtained by the application (automatic resolution). Conclusions: Cancer registry automatization is feasible when PR and DR databases are available, coded and automatized.

Introducción: El Instituto Catalán de Oncología automatizó los procedimientos manuales de captación de la información de las bases de datos del alta hospitalaria (AH) y anatomía patológica (APA) mediante una aplicación informática (ASEDAT) con el objetivo de aumentar la fiabilidad de los datos y reducir los costes del Registro Hospitalario de Tumores (RHT). Material y Método: ASEDAT detecta los tumores incidentes del centro a partir de las bases de datos de APA y de las AH mediante la selección de la información básica para cada uno de ellos. Se resolvió el RHT para el período 1999-2000 mediante el procedimiento manual y automatizado, y se compararon entre sí los resultados. Resultados: Se detectaron 10.498 pacientes oncológicos. La resolución manual detectó 8.309 tumores incidentes y 2.374 tumores prevalentes. ASEDAT resolvió automáticamente 8.901 pacientes (84,8%), en los cuales se detectaron 8.367 tumores incidentes, 58 tumores más que con el procedimiento manual. La validación de la concordancia se realizó en los tumores incidentes detectados por ambos métodos (7.063 tumores). En 6.185 tumores (87,6%), la información coincidió en todas las variables. De los tumores discordantes, 692 (9,8%) fueron generados por el personal del RHT en la resolución manual y el resto (n = 186; 2,6%) por la aplicación (resolución automática). Conclusiones: La automatización de un registro de cáncer es posible siempre y cuando el centro disponga de las bases de datos de APA y AH codificadas e informatizadas.

Introduction: To increase data reliability and reduce the costs associated with the HTR, the Catalan Institute of Oncology programmed the manual procedures of data collection from databases by means of a computer application (ASEDAT). Material and method: ASEDAT detects the incident tumors of the registry from the databases of the pathology records (PR) and discharge records (DR) and selects the basic information from both databases. Data from the HTR data was collected for the period 1999-2000 by means of 2 procedures: manual and automatized collection and the results obtained were compared. Results: 10,498 cancer patients were detected. Manual resolution detected 8,309 incident tumors and 2,374 prevalent tumors. ASEDAT automatically detected 8,901 patients (84.8%), in whom 8,367 incident tumors were detected (58 more tumors than the manual procedure). Validation of agreement was performed in the incident tumors detected by both methods (7,063 tumors). In 6,185 tumors (87.6%) the information agreed in all the variables. Of the discordant tumors, 692 (9.8%) were obtained by the RHT staff using manual resolution, and the remainder (186;2.6%) were obtained by the application (automatic resolution). Conclusions: Cancer registry automatization is feasible when PR and DR databases are available, coded and automatized.

Introducción: El Instituto Catalán de Oncología automatizó los procedimientos manuales de captación de la información de las bases de datos del alta hospitalaria (AH) y anatomía patológica (APA) mediante una aplicación informática (ASEDAT) con el objetivo de aumentar la fiabilidad de los datos y reducir los costes del Registro Hospitalario de Tumores (RHT). Material y Método: ASEDAT detecta los tumores incidentes del centro a partir de las bases de datos de APA y de las AH mediante la selección de la información básica para cada uno de ellos. Se resolvió el RHT para el período 1999-2000 mediante el procedimiento manual y automatizado, y se compararon entre sí los resultados. Resultados: Se detectaron 10.498 pacientes oncológicos. La resolución manual detectó 8.309 tumores incidentes y 2.374 tumores prevalentes. ASEDAT resolvió automáticamente 8.901 pacientes (84,8%), en los cuales se detectaron 8.367 tumores incidentes, 58 tumores más que con el procedimiento manual. La validación de la concordancia se realizó en los tumores incidentes detectados por ambos métodos (7.063 tumores). En 6.185 tumores (87,6%), la información coincidió en todas las variables. De los tumores discordantes, 692 (9,8%) fueron generados por el personal del RHT en la resolución manual y el resto (n = 186; 2,6%) por la aplicación (resolución automática). Conclusiones: La automatización de un registro de cáncer es posible siempre y cuando el centro disponga de las bases de datos de APA y AH codificadas e informatizadas.

The most commonly used measure to estimate cancer survival is relative survival, defined as the ratio between observed and expected survival. Expected survival is computed on the basis of the mortality of a reference population. Mortality tables for the general population are not always available and their calculation requires specific software. For that purpose, the Catalan Institute of Oncology developed WAERS (Web-Assisted Estimation of Relative Survival), a web-based application that estimates the relative survival for a cohort of patients. The user prepares data in a specific format and sends them to a remote server located at the Catalan Institute of Oncology. This server computes relative survival and returns a file with the results to the electronic address supplied by the user. By means of this application, hospital- and population-based Spanish cancer registries and registries of other diseases can estimate relative survival of their cohorts using their reference population (province or autonomous community). This application could also be useful for cohort mortality studies.

La medida utilizada habitualmente para estimar la supervivencia del cáncer es la supervivencia relativa, definida como el cociente entre la supervivencia observada y la esperada. La supervivencia esperada se calcula a partir de la mortalidad de una población de referencia. La disponibilidad y la preparación de tablas de mortalidad de la población general no es siempre posible y requiere software específico para su cálculo. A tal efecto, el Instituto Catalán de Oncología (ICO) ha desarrollado la aplicación WAERS, una aplicación web que proporciona la estimación de la supervivencia relativa para una cohorte de pacientes. El usuario debe preparar los datos en un formato específico y enviarlos a un servidor remoto que se encuentra en el ICO. Este servidor calcula la supervivencia relativa y devuelve los resultados en un fichero a una dirección que ha indicado el usuario. Mediante esta aplicación, los registros de cáncer de base hospitalaria y poblacional y los registros de otras enfermedades pueden estimar la supervivencia relativa de sus cohortes seleccionando a la población de referencia que consideren (provincia o comunidad autónoma). También puede ser útil para estudios de mortalidad en cohortes.

The most commonly used measure to estimate cancer survival is relative survival, defined as the ratio between observed and expected survival. Expected survival is computed on the basis of the mortality of a reference population. Mortality tables for the general population are not always available and their calculation requires specific software. For that purpose, the Catalan Institute of Oncology developed WAERS (Web-Assisted Estimation of Relative Survival), a web-based application that estimates the relative survival for a cohort of patients. The user prepares data in a specific format and sends them to a remote server located at the Catalan Institute of Oncology. This server computes relative survival and returns a file with the results to the electronic address supplied by the user. By means of this application, hospital- and population-based Spanish cancer registries and registries of other diseases can estimate relative survival of their cohorts using their reference population (province or autonomous community). This application could also be useful for cohort mortality studies.

La medida utilizada habitualmente para estimar la supervivencia del cáncer es la supervivencia relativa, definida como el cociente entre la supervivencia observada y la esperada. La supervivencia esperada se calcula a partir de la mortalidad de una población de referencia. La disponibilidad y la preparación de tablas de mortalidad de la población general no es siempre posible y requiere software específico para su cálculo. A tal efecto, el Instituto Catalán de Oncología (ICO) ha desarrollado la aplicación WAERS, una aplicación web que proporciona la estimación de la supervivencia relativa para una cohorte de pacientes. El usuario debe preparar los datos en un formato específico y enviarlos a un servidor remoto que se encuentra en el ICO. Este servidor calcula la supervivencia relativa y devuelve los resultados en un fichero a una dirección que ha indicado el usuario. Mediante esta aplicación, los registros de cáncer de base hospitalaria y poblacional y los registros de otras enfermedades pueden estimar la supervivencia relativa de sus cohortes seleccionando a la población de referencia que consideren (provincia o comunidad autónoma). También puede ser útil para estudios de mortalidad en cohortes.