Thyroid cancer “epidemic” also occurs in low‐ and middle‐income countries
Notice bibliographique
Résumé
Thyroid cancer incidence varies greatly between and within high-income countries (HICs), and overdiagnosis likely plays a major role in these differences. Yet, little is known about the situation in low- and middle-income countries (LMICs). We compare up-to-date thyroid cancer incidence and mortality at national and subnational levels. 599,851 thyroid cancer cases in subjects aged 20-74 reported in Cancer Incidence in Five Continents volume XI from 55 countries with at least 0.5 million population, aged 20-74 years, covered by population-based cancer registration, and 22,179 deaths from the WHO Mortality Database for 36 of the selected countries, over 2008-2012, were included. Age-standardized rates were computed. National incidence rates varied 50-fold. Rates were 4 times higher among women than men, with similar patterns between countries. The highest rates (>25 cases per 100,000 women) were observed in the Republic of Korea, Israel, Canada, the United States, Italy, France, and LMICs such as Turkey, Costa Rica, Brazil, and Ecuador. Incidence rates were low (<8) in a few HICs (the Netherlands, the United Kingdom, and Denmark) and lowest (3-4) in some LMICs (such as Uganda and India). Within-country incidence rates varied up to 45-fold, with the largest differences recorded between rural and urban areas in Canada (HIC) and Brazil, India, and China (LMICs). National mortality rates were very low (<2) in all countries and in both sexes, and highest in LMICs. The very high thyroid cancer incidence and low mortality rates in some LMICs also strongly suggest a major role of overdiagnosis in these countries.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».