Global, regional, and national burden of cancers attributable to excess body weight in 204 countries and territories, 1990 to 2019
Notice bibliographique
Résumé
OBJECTIVE: The aim of this study was to report the level and trends of 13 cancers that are attributable to excess body weight (EBW) for 204 countries and territories from 1990 to 2019. METHODS: Using publicly available data, the burden of cancers attributable to EBW was reported from 1990 to 2019 based on the comparative risk assessment approach used in the Global Burden of Disease study 2019. [Correction added on 27 January 2022, after first online publication: 'Using publicly available data,' has been added before the first sentence and 'estimated' was corrected to 'reported'.] RESULTS: In 2019, EBW caused 11.2 million disability-adjusted life-years (DALYs), or 4.4% of all cancer-related DALYs. Between 1990 and 2019, the global EBW-attributable age-standardized cancer DALY rates (per 100,000) increased from 109.9 to 133.9, a relative increase of 21.9%. The age-standardized DALY rates (per 100,000) of cancers attributable to EBW in 2019 were highest and lowest in Mongolia (611.8) and Bangladesh (30.2), respectively. The 60- to 64-year age group had the highest number of DALYs attributable to EBW, whereas there were no large sex differences in the cancer-related burden attributable to EBW. Furthermore, the association between the age-standardized DALY rates and the sociodemographic index was generally positive. CONCLUSIONS: Overall, the EBW-attributable burden of cancers has increased in the past three decades. Public health efforts should focus on identifying appropriate preventive interventions at the population and individual levels, especially in the regions and countries with the highest burden.
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 | 0,000 | 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 | 0,000 |
| 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 ».