European burden of cancer in 2020 attributable to alcohol use
Notice bibliographique
Résumé
Abstract Background Alcohol use can increase the risk of at least seven different cancer types. We present regional and national estimates of alcohol-attributable cancer burden in 2020 to inform alcohol policy and cancer control in Europe. Methods In this population-based study, we calculated population attributable fractions (PAFs) using relative risk estimates and alcohol use prevalence by age, sex, and country. Assuming a 10-year latency period between alcohol consumption and cancer occurrence, we used alcohol consumption prevalence from 2010 and GLOBOCAN 2020 data to estimate new cancer cases attributable to alcohol consumption. We also calculated the contribution of moderate (<20 g alcohol per day), risky (20 to 60 g per day), and heavy (>60 g per day) drinking to the total alcohol-attributable cancer burden. Results Within Europe, an estimated 181,000, or 4%, of all new cases of cancer in 2020 were attributable to alcohol consumption. Males represented two thirds (68%) of the total alcohol-attributable cancer cases in Europe. The cancer sites which contributed the most alcohol-attributable cases were cancers of the colorectum (59,000 cases), breast (38,500 cases), and oral cavity (22,000 cases). Among women in the European regions, the burden of alcohol-attributable cancers was highest in Western Europe and Northern Europe; among men, the burden was highest in Central and Eastern Europe. Heavy drinking contributed most to the burden of alcohol-attributable cancers in Europe (52% of alcohol-attributable cases), and risky and moderate drinking contributed 37% and 11%, respectively. Conclusions Our findings highlight the need for effective policies to increase awareness of the link between alcohol use and cancer and decrease overall alcohol consumption to reduce this preventable burden of cancer in Europe. Key messages An estimated 181,000 cancers in Europe in 2020 were attributable to alcohol use. Effective policies are needed to increase awareness of the link between alcohol and cancer and decrease alcohol use in Europe.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».