Trends in cancer mortality under age 50 in 15 upper-middle and high-income countries
Notice bibliographique
Résumé
BACKGROUND: Rising cancer incidence, particularly for colorectal cancer, has been reported in young adults. This study examined whether this is related to an increase in mortality. METHODS: We analyzed World Health Organization mortality data among young adults aged 25-49 years in 15 most populous upper-middle and high-income countries from 1990 to 2021 with reliable data. Midyear populations were retrieved from the United Nations for the American Countries and from the World Health Organization for the other countries. We compared age-standardized mortality rates in 2019-2021 with those in 2009-2011 and performed joinpoint regression analysis for all cancers and selected most common cancer sites: colorectum, pancreas, lung, and breast. RESULTS: In 2019-2021, the highest age-standardized mortality rates (per 100 000) were in Romanian males (38.6) and Argentinian females (45.9), while the lowest ones were in Japanese males (16.3) and females (22.7). Age-standardized mortality rates for colorectal cancers increased in 2019-2021 compared with 2009-2011 in 9 countries among men and in 7 countries among women. The highest increases were in the United Kingdom (males: +26.1%; females: +33.7%), Canada (males: +25.3%), and Mexico (males: +33.5%; females: +29.7%). Long-term analysis over the last 3 decades showed declining trends in total cancer mortality in the majority of countries, in lung cancer mortality across all countries, and in breast cancer in all countries except in Latin America. CONCLUSIONS: Although mortality from common cancers has generally decreased over the past 3 decades, mortality from colorectal cancer has increased in some countries. This highlights the need to control the obesity epidemic and implement targeted surveillance strategies in young populations.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».