MétaCan
Menu
Retour à la cohorte
Enregistrement W4393094075 · doi:10.1158/1538-7445.am2024-4847

Abstract 4847: Diverging global incidence trends of early-onset and later-onset cancers

2024· article· en· W4393094075 sur OpenAlexaboutno aff
Miyu Terashima, Hwa‐Young Lee, Yuta Tsukumo, Satoko Ugai, Minkyo Song, Naoko Sasamoto, Ichiro Kawachi, Tomotaka Ugai

Notice bibliographique

RevueCancer Research · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueMultiple and Secondary Primary Cancers
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésIncidence (geometry)MedicineAge of onsetCancerPediatricsDemographyOncologyInternal medicineDiseasePhysicsSociology

Résumé

récupéré en direct d'OpenAlex

Abstract Background: The global increase of the incidence of early-onset cancers (defined as cancers diagnosed at 20-49 years) is a serious public health problem. However, it is understudied whether the incidence of early-onset cancers has increased in parallel with that of later-onset cancers (defined as cancers diagnosed at 50 years or above) or only the incidence of early-onset cancer has increased worldwide. We therefore evaluated the recent global trends of the incidence of early-onset cancers and later-onset cancers. Method: We retrieved sex-stratified age-standardized incidence rates of early-onset cancer and later-onset cancer diagnosed between 2000 and 2012 in 39 countries where data was available from the GLOBOCAN database. Using joinpoint regression models, we assessed average annual percentage change (AAPC) by cancer types and countries, with statistical significance corresponding to a 95% CI that does not include zero. Results: We observed statistically significant positive AAPCs for early-onset cancers (AAPC [95% CI], 1.9% [1.8%, 2.1%] for females, 0.7% [0.6%, 0.9%] for males in all available countries combined) in many early-onset cancer types, including colorectal, esophagus, gallbladder, kidney, liver, multiple myeloma, pancreas, prostate, stomach, testis, thyroid and uterine cancer in many parts of the world. There were variations in many later-onset cancer types depending on cancer types and countries. Notable cancer types that have significantly increased in early-onset cancers but have decreased or showed no change in later-onset cancers include colorectal (5 countries in females and 6 countries in males), uterine (4 countries), and thyroid cancers (5 countries in females and 3 countries in males). In particular, early-onset colorectal cancer has increased but later-onset colorectal cancer has decreased among both sexes in Canada (AAPC [95%CI], early-onset: 1.6% [0.9%, 2.7%], later-onset: -0.8% [-1.0%, -0.5%] for females; early-onset: 1.8% [1.0%, 2.6%], later-onset: -1.2% [-1.5%, -0.9%] for males), USA (Early-onset: 2.0% [1.5%, 2.5%], later-onset: -2.7% [-2.9%, -2.6%] for females; early-onset: 1.6% [1.1%, 2.2%], later-onset: -3.2% [-3.7%, -2.6%] for males), Australia (Early-onset: 1.8% [0.7%, 2.9%], later-onset: -1.0% [-1.5%, -0.6%] for females; early-onset: 1.4% [0.7%, 2.4%], later-onset: -1.5% [-1.9%, -0.9%] for males). Conclusion: Our study highlights differences in cancer incidence trends between certain early-onset and later-onset cancer types in many parts of the world. Notably, early-onset colorectal, uterine, and thyroid cancers have significantly increased but corresponding later-onset cancers have decreased or showed no change in many countries. Different patterns in cancer incidence trends of early-onset and later-onset cancers in different regions should be further investigated to better understand and prevent the increase in the incidence of early-onset cancers. Citation Format: Miyu Terashima, Hwa-Young Lee, Yuta Tsukumo, Satoko Ugai, Minkyo Song, Naoko Sasamoto, Ichiro Kawachi, Tomotaka Ugai. Diverging global incidence trends of early-onset and later-onset cancers [abstract]. In: Proceedings of the American Association for Cancer Research Annual Meeting 2024; Part 1 (Regular Abstracts); 2024 Apr 5-10; San Diego, CA. Philadelphia (PA): AACR; Cancer Res 2024;84(6_Suppl):Abstract nr 4847.

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)0,002
score de la tête « metaresearch » (Gemma)0,005
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 enseignants0,008
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,006
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,074
Tête enseignante GPT0,427
Écart entre enseignants0,354 · 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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCancer ResearchMême sujetMultiple and Secondary Primary CancersTravaux en français237 207