Cancer prevention in Africa: a review of the literature
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Cancer is an emerging crisis in Africa. Cancer was the seventh leading cause of death in 2004. If not controlled, cancer incidence in Africa is expected to reach 1.28 million cases annually and claim 970,000 lives yearly by 2030. This paper presents a review of the literature on current cancer prevention approaches in Africa, and consists of cancer prevention studies conducted in African countries (e.g. South Africa and Nigeria) from PubMed, Scopus, and CINAHL databases. Common female cancers in Africa are breast and cervical cancer while prostate cancer is the most common neoplasm among African males. Other common cancers are liver, colorectal, and non-Hodgkin's lymphoma. Mortality related to these cancers comes as a result of delays in screening and treatment, unfamiliarity with cancer and cancer prevention, inaccessibility and unaffordability of care, and inefficiency of healthcare systems. Cancer prevention efforts are deficient because many governments lack cancer prevention and control policies. Also contributing to the lack of cancer prevention and control policies are low levels of awareness, scarce human and financial resources, and inadequacy of cancer registries. Overall, governments grapple with limited funds and competing healthcare priorities. As cancer continues to increase in Africa, the need for rigorous interdisciplinary research on cancer etiology and monitoring in Africa has never been timelier. Cost-effective cancer prevention programs, coordination of donor funding, advocacy, and education should be aggressively pursued. The call for more collaborative approaches in research and policy is urgently needed.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,000 | 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 découle