Abstract PL05-03: Global trends in cancer: The imperative for prevention
Notice bibliographique
Résumé
Abstract Despite the encouraging decrease in the incidence and death rates from all cancers combined in the United States, and the decrease in death rates from selected cancers in many industrialized countries, the number of people affected by cancer continues to increase rapidly worldwide. More than 12 million new cases and 7.5 million cancer deaths are estimated to have occurred globally in 2008. The number of deaths from cancer has increased by 25% since 1990 and is projected to nearly double (to 13.1 million) by 2030. Moreover, the global increase in the disease burden from cancer disproportionately affects low- and medium-resource countries, which currently account for nearly two-thirds of all cancer deaths, and are projected to contribute over 70% by 2030. Underlying this global increase in the cancer burden and its disproportionate impact on economically developing countries is a combination of both demographic changes and the shifting distribution of major risk factors. Three particularly important factors are the growth and aging of populations (especially longer life expectancy for massive numbers of young adults in developing countries), the entrenchment of modifiable risk factors (particularly cigarette smoking, Western diet, and physical inactivity), and the slower decline in cancers related to infectious etiologies in low-resource countries than in high-resource countries. Given these trends, the success of future efforts in global cancer control will require considerably greater emphasis on the development and implementation of effective population-level approaches to cancer prevention and early detection than exist currently in most countries. This talk will describe several successful models of tobacco control and interventions against chronic infections caused by hepatitis B and human papillomavirus that have been developed and implemented in high-risk developing countries. Other talks in the session will describe promising examples of population-level prevention in the U.S., Australia, and Canada. Citation Information: Cancer Prev Res 2010;3(12 Suppl):PL05-03.
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 | 0,004 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,009 | 0,006 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,006 | 0,010 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,044 | 0,038 |
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 ».