Exploring Prostate Cancer Incidence Trends and Age Change in Cancer Registration Areas of Jiangsu Province, China, 2009 to 2019
Notice bibliographique
Résumé
(1) Background: Over the past few decades, Jiangsu Province, China, has witnessed a remarkable surge in the incidence of prostate cancer (PCa), accompanied by notable demographic shifts; (2) Methods: PCa data for Jiangsu Province from 2009 to 2019 were obtained from the Jiangsu Cancer Registry. We calculated crude and age-specific incidence rates (ASIRs), average age at onset, and age-specific composition ratios. Standardization was performed based on the Segi's world population. Birth cohorts (1929-2019) were analyzed to assess PCa incidence by birth year. Trend analysis was conducted using the Joinpoint Regression Model, and average annual percent changes (AAPCs) with corresponding 95% confidence interval (CI) were computed. A linear regression model was used to analyze the relationship between the average age at diagnosis and calendar years; (3) Results: The ASIRs of PCa in Jiangsu Province increased significantly, with an AAPC of 11.25% (95%CI: 10.09%, 12.42%) from 2009 to 2019. This increase was observed across all age groups, particularly among those aged 0-59 years. Birth cohort analysis revealed a rising trend with earlier birth years showing higher incidence, notably in the 1959 cohort. In rural areas, the age-standardized average age at onset of PCa decreased from 75.45 years in 2009 to 73.39 years in 2019, and the peak age group shifted from 75-79 years in 2009 to 70-74 years in 2019; (4) Conclusions: The rising incidence of PCa in Jiangsu Province, along with an increased proportion of cases in younger age groups, highlights the need for targeted interventions.
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) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 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 ».