Epidemiology of Bladder Cancer in 2023: A Systematic Review of Risk Factors
Notice bibliographique
Résumé
CONTEXT: Bladder cancer (BC) is common worldwide and poses a significant public health challenge. External risk factors and the wider exposome (totality of exposure from external and internal factors) contribute significantly to the development of BC. Therefore, establishing a clear understanding of these risk factors is the key to prevention. OBJECTIVE: To perform an up-to-date systematic review of BC's epidemiology and external risk factors. EVIDENCE ACQUISITION: Two reviewers (I.J. and S.O.) performed a systematic review using PubMed and Embase in January 2022 and updated it in September 2022. The search was restricted to 4 yr since our previous review in 2018. EVIDENCE SYNTHESIS: Our search identified 5177 articles and a total of 349 full-text manuscripts. GLOBOCAN data from 2020 revealed an incidence of 573 000 new BC cases and 213 000 deaths worldwide in 2020. The 5-yr prevalence worldwide in 2020 was 1 721 000. Tobacco smoking and occupational exposures (aromatic amines and polycyclic aromatic hydrocarbons) are the most substantial risk factors. In addition, correlative evidence exists for several risk factors, including specific dietary factors, imbalanced microbiome, gene-environment risk factor interactions, diesel exhaust emission exposure, and pelvic radiotherapy. CONCLUSIONS: We present a contemporary overview of the epidemiology of BC and the current evidence for BC risk factors. Smoking and specific occupational exposures are the most established risk factors. There is emerging evidence for specific dietary factors, imbalanced microbiome, gene-external risk factor interactions, diesel exhaust emission exposure, and pelvic radiotherapy. Further high-quality evidence is required to confirm initial findings and further understand cancer prevention. PATIENT SUMMARY: Bladder cancer is common, and the most substantial risk factors are smoking and workplace exposure to suspected carcinogens. On-going research to identify avoidable risk factors could reduce the number of people who get bladder cancer.
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 | 0,008 | 0,036 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,010 |
| Bibliométrie | 0,010 | 0,015 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».