The impact of armed conflict on cancer among civilian populations in low- and middle-income countries: a systematic review
Notice bibliographique
Résumé
BACKGROUND: Armed conflicts are increasingly impacting countries with a high burden of cancer. The aim of this study is to systematically review the literature on the impact of armed conflict on cancer in low- and middle-income countries (LMICs). METHODS: In November 2019, we searched five medical databases (Embase, Medline, Global Health, PsychINFO and the Web of Science) without date, language or study design restrictions. We included studies assessing the association between armed conflict and any cancer among civilian populations in LMICs. We systematically re-analysed the data from original studies and assessed quality using the Newcastle-Ottawa Scale. Data were analysed descriptively by cancer site. RESULTS: Of 1,543 citations screened, we included 20 studies assessing 8 armed conflicts and 13 site-specific cancers (total study population: 70,172). Two-thirds of the studies were of low methodological quality (score <5) and their findings were often conflicting. However, among outcomes assessed by three or more studies, we found some evidence that armed conflict was associated with increases in the incidence and mortality of non-specific cancers, breast cancer and cervical cancer. Single studies reported a positive association between armed conflict and the incidence of stomach and testicular cancers, some as early as 3 years after the onset of conflict. Some studies reported a post-conflict impact on time to diagnosis. CONCLUSION: Our findings support the need for more rigorous longitudinal and cohort studies of populations in and immediately post-conflict to inform the development of basic packages of cancer services, and post-conflict cancer control planning and development.
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 | 0,007 | 0,045 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,006 |
| Bibliométrie | 0,013 | 0,015 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».