Predicting the Change in Breast Cancer Deaths in Spain by 2019
Notice bibliographique
Résumé
BACKGROUND: Breast cancer mortality rates have been decreasing in Spain since 1992. Recent changes in demography, breast cancer therapy, and early detection of breast cancer may change this trend. METHODS: Using breast cancer mortality data from years 1990 to 2009, we sought to predict the changes in the burden of breast cancer mortality during the years 2005-2019 through a Bayesian age-period-cohort model. The net change in the number of breast cancer deaths between the periods of 2015-2019 and 2005-2009 was separated into changes in population demographics and changes in the risk of death from breast cancer. RESULTS: During the period 1990-2009, breast cancer mortality rates decreased (age-standardized rates per 100,000 women-years 50.6 in 1990-1994 vs. 41.1 in 2005-2009), whereas the number of breast cancer deaths increased (28,149 in 1990-1994; 29,926 in 2005-2009). There was a decrease in the number of cases among women 45-64 years of age (10,942 in 1990-1994; 8,647 in 2005-2009). Changes in population demographics contribute to a total increase of 12.5-12.8% comparing periods 2005-2009 versus 2015-2019, whereas changes in the risk of death from breast cancer contribute to a reduction of 12.9-13.7%. We predict a net decline of 0.1-1.2% in the absolute number of breast cancer deaths comparing these time periods. CONCLUSIONS: The decrease in the risk of death from breast cancer may exceed the projected increase in deaths from growing population size and aging in Spain. These changes may also explain the decrease in the absolute number of breast cancer deaths in Spain since 2005.
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».