Examining the evolving landscape of liver cancer burden in the United States from 1990 to 2019
Notice bibliographique
Résumé
INTRODUCTION: Liver cancer (LC) is frequently preceded by cirrhosis and poses a significant public health challenge in the United States (US). Recent decades have seen notable shifts in the epidemiological patterns of LC, yet national data guiding the optimal allocation of resources and preventive efforts remain limited. This study aims to investigate the current trends, risk factors, and outcomes of LC in the US. METHODS: This study utilized the Global Burden of Disease (GBD) dataset to collect data on the annual incident cases, deaths, Disability-Adjusted Life Years (DALYs), age-standardized incidence rates (ASIR), age-standardized death rates, and age-standardized DALY rates of primary LC and its etiologies and risk factors, between 1990 and 2019. Percentage changes in incident cases, DALYs, and deaths and the estimated annual percentage change (EAPC) in ASIR and deaths rates of LC were calculated to conduct temporal analysis. Linear regression was applied for the calculation of EAPCs. Correlations of EAPC with socio-demographic index (SDI) were separately evaluated by Pearson correlation analyses. RESULTS: We observed a marked increase in the ASIR of LC, increasing from 2.22 (95% CI: 2.15-2.27) per 100,000 people in 1990 to 5.23 (95% CI: 4.28-6.29) per 100,000 people in 2019, a percentage change of 135.4%. LC due to hepatitis C followed by alcohol use were the primary factors driving this increase. The ASIR and age-standardized death rates of LC showed a significant average annual increase of 3.0% (95% CI: 2.7-3.2) and 2.6% (95% CI: 2.5-2.8), respectively. There was a significant negative correlation between the SDI and the EAPC in ASIR (ρ = -0.40, p = 0.004) and age-standardized death rates (ρ = -0.46, p < 0.001). In 2019, drug and alcohol use, followed by elevated body mass index (BMI) were the primary risk factors for age-standardized DALY rates attributable to LC. CONCLUSION: The increased burden of LC in the US highlights the need for interventions. This is particularly important given that LC is mostly influenced by modifiable risk factors, such as drug and alcohol use, and elevated BMI. Our findings highlight the urgent need for public health interventions targeting socio-economic, lifestyle, and modifiable risk factors to mitigate the escalating burden of LC.
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 | 0,000 | 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) | 0,001 | 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 ».