Cancer burden across the South Asian Association for Regional Cooperation in 2022
Notice bibliographique
Résumé
Objective: The objective of this study is to present a cross-sectional analysis of cancer burden in the South Asian Association for Regional Cooperation (SAARC) region and explain unique characteristics of its cancer burden as compared with the rest of the world. Methods and analysis: Using publicly available data from the Global Cancer Observatory (GCO) and the World Bank, we collected cancer statistics and population statistics for Afghanistan, Bangladesh, Bhutan, India, the Maldives, Nepal, Pakistan, and Sri Lanka from 2017 to 2022. Results: The number of newly diagnosed cases in the region was 1 846 963, representing 9.3% of the incidence worldwide. As defined by the GCO, the crude incidence rate (CIR) (per 100 000) of cancer in SAARC was 97.3 compared with the worldwide rate of 235.5. The crude mortality rate (per 100 000) in SAARC was 63.4, compared with 123.6 globally. However, the mortality to incidence ratio (MIR) (per 100 000) was 0.65, compared with 0.49 globally. Conclusion: Our research highlights SAARC's unique cancer landscape with low incidence (CIR) and mortality (CMR) but elevated MIR compared with global figures. These findings underscore the need for a united, contextually relevant approach to addressing the burden of cancer in SAARC. In particular, investment in collaborative, tailored cancer care programmes will build the SAARC region's capacity to address the growing cancer challenge.
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 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 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».