MétaCan
Menu
← Retour à la cohorte
Enregistrement W4389246785 · doi:10.1182/blood-2023-191338

Global Burden and Trends of Multiple Myeloma in High-Income North America Countries between 1990-2019, with Projections of Deaths to 2040: A Benchmarking Analysis for the Global Burden of Disease Study 2019

2023· article· en· W4389246785 sur OpenAlexaboutno aff
Dhruvkumar Gadhiya, Vishrant Amin, Yashkumar Girdharlal Kamani, Gaganapalle Mahesh, Kopal Kotak, Rani Ratheesh, Hardik Dineshbhai Desai

Notice bibliographique

RevueBlood · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueMultiple Myeloma Research and Treatments
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineDisease burdenIncidence (geometry)EpidemiologyConfidence intervalDemographyBurden of diseaseGlobal healthYears of potential life lostMortality ratePublic healthDiseaseGerontologyEnvironmental healthPopulationLife expectancySurgeryInternal medicinePathology

Résumé

récupéré en direct d'OpenAlex

Background: Multiple myeloma (MM), a malignant neoplasm originating from plasma cells, imposes a considerable health burden in high-income North America (HINA). It ranks as the 14th leading cause of cancer-related deaths and disability in HINA countries. This study aims to assess the epidemiological aspects of MM, including its incidence, prevalence, mortality rates, and non-fatal health outcomes across HINA countries over the last three decades (1990-2019) with projections of deaths up to 2040. Methods: Using the Global Burden of Disease methodology, we evaluated MM prevalence, incidence, mortality, and disability-adjusted life years (DALYs) based on age group, sex, and year across HINA from 1990 to 2019, utilizing standardized approaches and statistical modeling. We employed a regression framework to forecast MM deaths through 2040, and the results were presented in absolute counts and age-standardized rates (per 100,000 person-years). Results: The absolute prevalence of MM increased from 42,637 (95% uncertainty interval (UI): 35,449-44,970) in 1990 to 101,994 (95% UI: 86,889-127,309) in 2019. Similarly, deaths increased from 11,200 (95% UI: 9,435-11,633) to 19,941 (95% UI: 18,012-22,919) during 1990-2019, and DALYs increased from 235,334 (95% UI: 194,820-244,361) in 1990 to 388,955 (95% UI: 360,494-478,317) in 2019. The age-standardized incidence rate (ASIR) increased from 4.32 (95% UI: 3.62-4.5) to 4.8 (95% UI: 4.12-5.87) cases per 100,000 persons from 1990-2019. However, the annual percentage of change (APC) in age-standardized mortality rate (ASMR) and age-standardized DALY rate (ASDALR) decreased by 1% and 8%, respectively, from 1990-2019. Among HINA countries, Canada observed the highest APC increase in total deaths (111%), followed by Greenland (110%) and the United States (75%) during 1990-2019. In terms of age groups, the 70-74 age group observed the highest number of incidences (5,257), deaths (3,336), and DALYs (67,310) in 2019. The 80+ age group exhibited the highest APC in total deaths, incidence, and DALYs from 1990-2019. Furthermore, males experienced a higher burden compared to females over the last three decades. The projected number of MM deaths in HINA is expected to reach 28,904 (95% UI: 22,690-37,300) by 2040. Conclusion: This study reveals the secular trend of MM burden in HINA, indicating a significant increase in MM cases and its impact on public health. MM accounted for 2.295% of deaths among all cancer-related deaths in HINA in 2019. The burden of MM has been on the rise in general from 1990 to 2019 and is predicted to continue increasing over the next two decades. Notably, there is a noticeable disparity in MM burden, with higher prevalence in males compared to females. Age and cohort effects appear to play a significant role, with elevated risk observed among elderly individuals and those from earlier-born cohorts. Nonetheless, continuous surveillance, data collection, and research efforts are crucial to monitor evolving epidemiological trends and inform evidence-based policies aimed at mitigating the impact of multiple myeloma on individuals and society in the region.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,055
Score d'incertitude au seuil0,109

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,017
Tête enseignante GPT0,308
Écart entre enseignants0,290 · 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

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

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

Citations2
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBlood→Même sujetMultiple Myeloma Research and Treatments→Travaux en français237 207→