Verification of the prognosis of lung cancer mortality in Poland based on data about smoking habits
Notice bibliographique
Résumé
Introduction Lung cancer is the most common cancer among males worldwide and one of the most common cancers among females. Poland is among European countries of the high risk of lung cancer for men. Although there are several factors influencing the risk of developing lung cancer, tobacco smoking is well established as the main risk factor. Thus, changes in lung cancer mortality may reflect changes in smoking habits in a given population. Methods The population data and its forecast up to 2030 come from the Central Statistical Office and the lung cancer mortality data from the Department of Epidemiology of Maria Skłodowska Institue – Oncology Centre. The frequencies of smoking habits were smoothed based on the survey done by Central Statistical Office in 1996, 2004, 2009, 2014. The present model was based on model-based smoothing of the smoking habit – specific risk ratios estimated for males and females in Europe. Results Among men, the scenario in which about 20% of smokers quit smoking every 5 years turned out to be too pessimistic. The real change in lung cancer mortality turned out to be deeper. In 2015, lung cancer mortality among men was more than 25% lower than it was from the forecast. Among women, a scenario in which only 10% quits smoking works. This is too little to reduce women's lung cancer mortality. Conclusions The results obtained clearly indicate that cutting down on the number of smokers translates directly into a considerable reduction of the lung cancer incidence rate. Lung cancer is a disease to be easily avoided. Smoking cessation is the best way to reduce risk of lung cancer among human 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 | 0,001 | 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) | 0,000 | 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 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 ».