MétaCan
Menu
← Retour à la cohorte
Enregistrement W4399305524 · doi:10.1200/jco.2024.42.16_suppl.e23292

Cancer burden across South Asia in 2020: A global cancer observatory analysis.

2024· article· en· W4399305524 sur OpenAlexaff
Urvish Jain, Faraan O. Rahim, Bhav Jain, Aditya Arkalgud, Cameron Sabat, Alessandro Hammond, Phub Tshering, Tej A. Patel, Bhawna Sirohi, Pankaj Jain, Shah Zeb Khan, Sanjeeva Gunasekera, Ramila Shilpakar, Zabihullah Stanikzai, Arman Reza Chowdhury, Nishwant Swami, Edward Christopher Dee, Bishal Gyawali

Notice bibliographique

RevueJournal of Clinical Oncology · 2024
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueGlobal Public Health Policies and Epidemiology
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésMedicineCancerInternal medicine

Résumé

récupéré en direct d'OpenAlex

e23292 Background: The cancer burden in South Asia is often associated with late diagnosis and poor outcomes because of barriers to accessing advanced treatment facilities and targeted therapies, financial sequelae of care, and cultural stigmas and misconceptions. We use recent estimates of the Global Cancer Observatory (GCO) to better understand the epidemiology of cancer in South Asia, which may inform national and regional cancer control. Methods: Using publicly available data from the GCO and the World Bank, we collected cancer statistics and population statistics for Afghanistan, Bangladesh, Bhutan, India, Maldives, Nepal, Pakistan, and Sri Lanka (collectively, SAARC) from 2015-2020. Results: The crude incidence of cancer in this region was 1,733,573 cases, representing 9.0% of the incidence worldwide. The crude incidence rate (CIR, per 100,000) of cancer in SAARC was 93.4 compared to the worldwide rate of 247.5. The 5-year prevalence (in total cases) of cancer in South Asia was 3,474,184, compared to 50,550,287 globally. The crude mortality rate (CMR, per 100,000) in South Asia was 60.6, compared to 127.8 globally. However, the mortality-to-incidence ratio (MIR) (per 100,000) was 0.65, compared to 0.52 globally. Age-adjusted estimates are reported in the table. Conclusions: Our research highlights South Asia's unique cancer landscape with CIR and MIR, but elevated MIR compared to global figures. These findings underscore the need for a united, contextually relevant approach to addressing the burden of cancer in South Asia. Investment in collaborative, tailored cancer care programs will build the SAARC region's capacity to address the growing global cancer challenge. [Table: see text]

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)0,004
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: aucune
Score de désaccord entre enseignants0,078
Score d'incertitude au seuil0,156

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,002
Bibliométrie0,0030,009
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,173
Tête enseignante GPT0,527
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

Citations4
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Clinical Oncology→Même sujetGlobal Public Health Policies and Epidemiology→Travaux en français237 207→