AB012. Distributions, risk factors and epidemiological trends of pancreatic cancer in low- and middle-income countries: a comprehensive analysis
Notice bibliographique
Résumé
Background: Pancreatic cancer is an emerging public health concern in low- and middle-income countries (LMICs). Late diagnosis resulting from a lack of effective screening tools contributes to its poor prognosis and high mortality rate. The study investigates risk factors associated with pancreatic cancer to identify potential targets for prevention and intervention. Methods: We assessed the burden of pancreatic cancer in LMICs by analyzing sex differences, age groups, trends over time, risk factors, and disability-adjusted life years (DALYs) using publicly available global databases, such as the Global Burden of Disease (GBD) Study from the Institute for Health Metrics and Evaluation (IHME). Results: The DALYs peaks occurred at 70–74 for upper-middle income (816.33 DALYs); 70–79 for lower-middle income (496.96 and 495.55 DALYs, respectively); and 70–74 for low income (424.26 DALYs). Females experienced greater increases in DALYs than males across all income groups, with increases of (from high income to low income) 12.23%, 31.76%, 90.26%, and 63.62% between 1990 and 2019. The corresponding values for males were 3.19%, 39.95%, 62.05%, and 31.96%. Behavioral risks were the most prominent risk factor for pancreatic cancer, with DALYs decreasing by 13.45% in high-income countries and increasing by 29.23% to 32.81% in lower-income countries. Incidence has increased by 16.86% in high income countries, 45.32% in upper middle-income countries, 79.21% in lower middle income countries, and 48.51% in low income countries. Conclusions: In conclusion, the data provided highlights the significant burden of pancreatic cancer across all income categories, with the highest rates observed in older age groups and in high-income countries. The burden is further exacerbated by differences in rates between males and females across income categories. This study emphasizes the need for targeted prevention and early detection efforts, particularly in LMICs where resources and healthcare infrastructure may be limited.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,004 | 0,009 |
| 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 | 0,000 | 0,001 |
| 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 ».