Lung cancer incidence in young women <i>vs</i>. young men: A systematic analysis in 40 countries
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Previous studies have reported converging lung cancer rates between sexes. We examine lung cancer incidence rates in young women vs. young men in 40 countries across five continents. Lung and bronchial cancer cases by 5-year age group (ages 30-64) and 5-year calendar period (1993-2012) were extracted from Cancer Incidence in Five Continents. Female-to-male incidence rate ratios (IRRs) and 95% confidence intervals (95%CIs) were calculated by age group and birth cohort. Among men, age-specific lung cancer incidence rates generally decreased in all countries, while in women the rates varied across countries with the trends in most countries stable or declining, albeit at a slower pace compared to those in men. As a result, the female-to-male IRRs increased among recent birth cohorts, with IRRs significantly greater than unity in Canada, Denmark, Germany, New Zealand, the Netherlands and the United States. For example, the IRRs in ages 45-49 year in the Netherlands increased from 0.7 (95% CI: 0.6-0.8) to 1.5 (95% CI: 1.4-1.7) in those born circa 1948 and 1963, respectively. Similar patterns, though nonsignificant, were found in 23 additional countries. These crossovers were largely driven by increasing adenocarcinoma incidence rates in women. For those countries with historical smoking data, smoking prevalence in women approached, but rarely exceeded, those of men. In conclusion, the emerging higher lung cancer incidence rates in young women compared to young men is widespread and not fully explained by sex differences in smoking patterns. Future studies are needed to identify reasons for the elevated incidence of lung cancer among young women.
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.
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 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 découle