Long-term Changes in the Premature Death Rate in Lung Cancer in a Developed Region of China: Population-based Study
Notice bibliographique
Résumé
BACKGROUND: Lung cancer is a leading cause of death worldwide, and its incidence shows an upward trend. A study of the long-term changes in the premature death rate in lung cancer in a developed region of China has great exploratory significance to further clarify the effectiveness of intervention measures. OBJECTIVE: This study examined long-term changes in premature lung cancer death rates in order to understand the changes in mortality and to design future prevention plans in Pudong New Area (PNA), Shanghai, China. METHODS: Cancer death data were collected from the Mortality Registration System of PNA. We analyzed the crude mortality rate (CMR), age-standardized mortality rate by Segi's world standard population (ASMRW), and years of life lost (YLL) of patients with lung cancer from 1973 to 2019. Temporal trends in the CMR, ASMRW, and YLL rate were calculated by joinpoint regression expressed as an average annual percentage change (AAPC) with the corresponding 95% CI. RESULTS: person-years. The CMR and YLL rate showed significantly increasing trends in men, women, and the total population (P<.001). The CMR of the total population increased by 2.86% (95% CI 2.66-3.07, P<.001) per year during the study period. The YLL rate increased with an AAPC of 2.21% (95% CI 1.92-2.51, P<.001) per year. The contribution rates of increased CMR values caused by demographic factors were more evident than those caused by nondemographic factors. CONCLUSIONS: Lung cancer deaths showed an increasing trend in PNA from 1973 to 2019. Demographic factors, such as the aging population, contributed more to an increased CMR. Our research can help us understand the changes in lung cancer mortality and can be used for similar cities in designing future prevention plans.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».