Disease Burden, Risk Factors, and Trends of Leukaemia: A Global Analysis
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Leukaemia accounted for approximately 2.5% of all new cancer incidence and 3.1% of cancer-related mortality. The investigation of its risk factors and epidemiologic trends could help describe the geographical distribution and identify high-risk population groups. This study aimed to evaluate the global incidence, mortality, associated risk factors, and temporal trends of leukaemia by sex, age, and country. We extracted incidence and mortality of leukaemia from GLOBOCAN , CI5 , WHO mortality database , NORDCAN , and SEER . We searched the WHO Global Health Observatory data repository for the age-standardised prevalence of lifestyle and metabolic risk factors. We tested the trends by calculating Average Annual Percentage Change (AAPC) from Joinpoint regression. The age-standardized rate of incidence and mortality were 5.4 and 3.3 per 100,000 globally. The incidence and mortality of leukaemia were associated with Human Development Index, Gross Domestics Products per capita, prevalence of smoking, physical activity, overweight, obesity, and hypercholesterolaemia at the country level. Overall, more countries were showing decreasing trends than increasing trends in incidence and mortality. However, an increasing trend of leukaemia incidence was found in Germany, Korea, Japan, Canada and the United Kingdom (AAPC, 2.32-0.98) while its mortality increased in the Philippines, Ecuador, Belarus, and Thailand (AAPC, 2.49-1.23). There was a decreasing trend of leukaemia for the past decade while an increase in incidence and mortality was observed in some populations. More intensive lifestyle modifications should be implemented to control the increasing trends of leukaemia in regions with these trends. Future studies may explore the reasons behind these epidemiological transitions.
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.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 découle