MétaCan
Menu
Retour à la cohorte
Enregistrement W4321165881 · doi:10.2196/43651

Projections of Lung Cancer Incidence by 2035 in 40 Countries Worldwide: Population-Based Study

2023· article· en· W4321165881 sur OpenAlexvenueaboutno aff
Ganfeng Luo, Yanting Zhang, Jaione Etxeberria, Melina Arnold, Xiuyu Cai, Yuantao Hao, Huachun Zou

Notice bibliographique

RevueJMIR Public Health and Surveillance · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueLung Cancer Diagnosis and Treatment
Établissements canadiensnon disponible
Organismes subventionnairesNational Key Research and Development Program of ChinaSanming Project of Medicine in ShenzhenYoung Scientists FundNational Science and Technology Major ProjectScience, Technology and Innovation Commission of Shenzhen MunicipalityNational Natural Science Foundation of ChinaFundamental Research Funds for the Central UniversitiesCentre International de Recherche sur le CancerWorld Health Organization
Mots-clésIncidence (geometry)DemographyMedicineLung cancerCohortPsychological interventionPopulationTobacco controlEnvironmental healthPublic healthGeographyGerontologyPathology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The global burden of lung cancer (LC) is increasing. Quantitative projections of the future LC burden in different world regions could help optimize the allocation of resources and provide a benchmark for evaluating LC prevention and control interventions. OBJECTIVE: We aimed to predict the future incidence of LC in 40 countries by 2035, with an emphasis on country- and sex-specific disparities. METHODS: Data on LC incidence from 1978 to 2012 were extracted from 126 cancer registries of 40 countries in Cancer Incidence in Five Continents Volumes V-XI and used for the projection. Age-standardized incidence rates (ASRs) per 100,000 person-years and the number of incident cases were predicted through 2035, using the NORDPRED age-period-cohort model. RESULTS: Global ASRs of the 40 studied countries were predicted to decrease by 23% (8.2/35.8) among males, from 35.8 per 100,000 person-years in 2010 to 27.6 in 2035, and increase by 2% (0.3/16.8) among females, from 16.8 in 2010 to 17.1 in 2035. The ASRs of LC among females are projected to continue increasing dramatically in most countries by 2035, with peaks after the 2020s in most European, Eastern Asian, and Oceanian countries, whereas the ASRs among males will continue to decline in almost all countries. The ASRs among females are predicted to almost reach those among males in Ireland, Norway, the United Kingdom, the Netherlands, Canada, the United States, and New Zealand in 2025 and in Slovenia in 2035 and even surpass those among males in Denmark in 2020 and in Brazil and Colombia in 2025. In 2035, the highest ASRs are projected to occur among males in Belarus (49.3) and among females in Denmark (36.8). The number of new cases in 40 countries is predicted to increase by 65.32% (858,000/1,314,000), from 1.31 million in 2010 to 2.17 million in 2035. China will have the largest number of new cases. CONCLUSIONS: LC incidence is expected to continue to increase through 2035 in most countries, making LC a major public health challenge worldwide. The ongoing transition in the epidemiology of LC highlights the need for resource redistribution and improved LC control measures to reduce future LC burden worldwide.

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

Étiquettes directes de modèles (non validées)

Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.

BrasCatégoriesDevis d'étudeConfiance
gemmaaucune catégorie
Domaine: non disponible · Genre: Empirique
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Simulation ou modélisationlow
gptaucune catégorie
Domaine: non disponible · Genre: Empirique
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Observationnelhigh
modèles en désaccordL'accord compare des ensembles de catégories et des devis identiques entre les bras.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,022
Score d'incertitude au seuil0,996

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,026
Tête enseignante GPT0,375
Écart entre enseignants0,348 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Étiqueté directement par 2 modèles lisant le dossier complet.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.

Les modèles divergent sur des parties de cette classification; chaque voix est préservée dans la section en fin de page.

Devis d'étudeSimulation ou modélisation · Observationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations171
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJMIR Public Health and SurveillanceMême sujetLung Cancer Diagnosis and TreatmentTravaux en français237 207