Cutaneous Melanoma in Alpine Population: Incidence Trends and Clinicopathological Profile
Notice bibliographique
Résumé
Previous studies associated high-level exposure to ultraviolet radiation with a greater risk of cutaneous malignant melanoma (CMM). This study focuses on the changing incidence of CMM over time (from 1990 to 2017) in the Veneto region of Northeast Italy, and its Alpine area (the province of Belluno). The clinicopathological profile of CMM by residence is also considered. A joinpoint regression analysis was performed to identify significant changes in the yearly incidence of CMM by sex and age. For each trend, the average annual percent change (AAPC) was also calculated. In the 2017 CMM cohort, the study includes a descriptive analysis of the disease's categorical clinicopathological variables. In the population investigated, the incidence of CMM has increased significantly over the last 30 years. The AAPC in the incidence of CMM was significantly higher among Alpine residents aged 0-49 than for the rest of the region's population (males: 6.9 versus 2.4; females 7.7 versus 2.7, respectively). Among the Alpine residents, the AAPC was 3.35 times greater for females aged 0-49 than for people aged 50+. The clinicopathological profile of CMM was significantly associated with the place of residence. Over three decades, the Veneto population has observed a significant increase in the incidence of CMM, and its AAPC. Both trends have been markedly more pronounced among Alpine residents, particularly younger females. While epidemiology and clinicopathological profiles support the role of UV radiation in CMM, the young age of this CMM-affected female population points to other possible host-related etiological factors. These findings also confirm the importance of primary and secondary prevention strategies.
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) | 0,002 | 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 ».