The Effects of Age, Period, and Cohort on the Mortality of Cervical Cancer in Three High‐Income Countries: Canada, Korea, and Italy
Notice bibliographique
Résumé
BACKGROUND: As the second most common gynecologic cancer worldwide, cervical cancer has led to morbidity and mortality in thousands of women. Our study is aimed at comparing the long-term trends of mortality rates for cervical cancer in three high-income countries-Canada, Korea, and Italy-and analyzing the detached effects of chronological age, time period, and birth cohort by age-period-cohort (APC) analysis. METHODS: Joinpoint regression was used in this study, and the age-period-cohort model combined with the intrinsic estimator method was also applied to estimate the detached effect of each age, time period, and birth cohort on cervical cancer mortality. RESULTS: For the overall trends of ASMRs for cervical cancer, the rates for Canada and Italy generally decreased during the whole observation periods while the rate for Korea exhibited a significant increase from 1986 to 2003. The APC analysis suggested that the cancer mortality risks consistently increased with age in the age groups including women aged 20 to 50 years in all areas. The period effect exhibited a general upward trend for both Korea and Italy, while a decreased trend was observed for Canada during the whole observation period. The mortality risk generally decreased with birth cohort, except there was a slight increase for younger generations in the three countries. CONCLUSIONS: Our study shows that the overall decrease in the cohort effect may have contributed to the reduced mortality rate for Italy and Canada, and the increased period effects and cohort effect in younger generations may have led to the increase in cancer mortality rate for Korea.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| 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 ».