Disease Burden, Risk Factors, and Temporal Trends in Breast Cancer in Low‐ and Middle‐Income Countries: A Global Study
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
ABSTRACT Introduction Breast cancer poses significant health risks to women and strains healthcare systems extensively. In low‐ and middle‐income countries (LMICs), limited resources and inadequate healthcare infrastructures further exacerbate the challenges of breast cancer prevention, treatment, and awareness. Methods We examined the prevalence, risk factors, and trends of breast cancer in LMICs. Data on disability‐adjusted life years (DALYs) and breast cancer risk factors were extracted from the Global Burden of Disease (GBD) databases for 203 countries or territories from 1990 to 2019. LMIC DALY rates were examined using joinpoint regression analysis. Results Among the income groups, the lower middle‐income category had the highest DALYs value, with 1787 years per 100,000 people. LMICs collectively accounted for 74% of the global burden of DALYs lost due to breast cancer in 2019. However, it remained relatively consistent in lower middle income countries (LMCs). In LMCs, the risk associated with metabolic syndromes was higher compared to that with behavioral factors alone. For the past three decades, breast cancer incidences increased significantly in LMCs (average annual percent change [AAPC]: 1.212, confidence intervals [CI]: 1.51–1.87, p < 0.001), upper middle income countries (AAPC: 1.701, CI: 1.12–1.48, p < 0.001), and low‐income countries (AAPC: 1.002, CI: 1.57–1.68, p < 0.001). Conclusion This research shows how breast cancer in LMICs is aggravated by low resources and healthcare infrastructure. To effectively combat breast cancer in these areas, future strategies must prioritize improvements in healthcare infrastructure, awareness campaigns, and early detection mechanisms.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle