Cancer prevalence, incidence, and mortality rates in Afghanistan in 2020: A review study
Notice bibliographique
Résumé
BACKGROUND: Afghanistan is in an epidemiological transition, as cancer is the second leading cause of mortality due to non-communicable diseases. This study is the first to provide a comprehensive perspective on the overall cancer situation in Afghanistan by discussing the top five most common cancers, their incidence variations, risk factors, and preventive measures. The limited number of cancer studies conducted in Afghanistan highlights the importance of the present review. RECENT FINDINGS: This article provides an overview of cancer burden in Afghanistan in 2020. It utilizes IARC-generated GLOBOCAN 2020 data for one, three, and five-year prevalence rates, the estimated number of new cancer cases, and mortality rates by age group in Afghanistan. According to GLOBOCAN, the top five common cancers in both sexes in Afghanistan were breast (n = 3173, 14.3%), stomach (n = 2913, 7.8%), lung (n = 1470, 6.6%), cervix uteri (n = 1200, 5.4%), and colorectum (n = 1084, 4.9%). CONCLUSION: This study provides a brief overview of the general cancer situation in Afghanistan, and a more in-depth analysis of the five common cancers identified. Effective therapies, awareness, and prevention initiatives targeting lifestyle, immunization, early diagnosis, and environmental risk factors are essential for addressing the impact of population growth and aging on cancer incidence in Afghanistan. Further research and extensive studies are needed to better understand cancer burden in the country.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| 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 | 0,001 |
| 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 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 ».