Trends in mortality rates of cutaneous melanoma in East Asian populations
Notice bibliographique
Résumé
The incidence of cutaneous melanoma (CM) has rapidly increased over the past four decades. CM is often overlooked in East Asian populations due to its low incidence, despite East Asia making up 22% of the world's population. Since the 1990s, Caucasian populations have seen a plateau in CM mortality rates; however, there is little data investigating the mortality rates of CM in East Asian populations. In this study, the World Health Organization Mortality Database with the joinpoint regression method, and a generalized additive model were used to investigate trends in age standardized mortality rates (ASMRs) of CM in four East Asia regions (Japan, Republic of Korea (Korea), China: Hong Kong (Hong Kong), and Singapore) over the past six decades. In addition, mortality rate ratios by different variables (i.e., sex, age group, and region) were analyzed. Our results showed ASMRs of CM in East Asia significantly increased non-linearly over the past six decades. The joinpoint regression method indicated women had greater annual percentage changes than men in Japan, Korea, and Hong Kong. Men had significantly greater mortality rate ratio (1.51, 95% CI [1.48-1.54]) than women. Mortality rate ratios in 30-59 and 60+ years were significant greater than in the 0-29 years. Compared to Hong Kong, mortality rate ratio was 0.72 (95% CI [0.70-0.74]) times, 0.73 (95% CI [0.70-0.75]) times, and 1.02 (95% CI [1.00-1.05]) times greater in Japan, Korea, and Singapore, respectively. Although there is limited research investigating CM mortality rates in East Asia, results from the present study indicate that there is a significant growth in the ASMRs of CM in East Asian populations, highlighting a need to raise awareness of CM in the general population.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».