Global epidemiology of alcohol-related liver disease, liver cancer, and alcohol use disorder, 2000–2021
Notice bibliographique
Résumé
BACKGROUND/AIMS: Alcohol represents a leading burden of disease worldwide, including alcohol use disorder (AUD) and alcohol-related liver disease (ALD). We aim to assess the global burden of AUD, ALD, and alcohol-attributable primary liver cancer between 2000-2021. METHODS: We registered the global and regional trends of AUD, ALD, and alcohol-related liver cancer using data from the Global Burden of Disease 2021 Study, the largest and most up-to-date global epidemiology database. We estimated the annual percent change (APC) and its 95% confidence interval (CI) to assess changes in age-standardized rates over time. RESULTS: In 2021, there were 111.12 million cases of AUD, 3.02 million cases of ALD, and 132,030 cases of alcohol-attributable primary liver cancer. Between 2000 and 2021, there was a 14.66% increase in AUD, a 38.68% increase in ALD, and a 94.12% increase in alcohol-attributable primary liver cancer prevalence. While the age-standardized prevalence rate for liver cancer from alcohol increased (APC 0.59%; 95% confidence interval [CI] 0.52 to 0.67%) over these years, it decreased for ALD (APC -0.71%; 95% CI -0.75 to -0.67%) and AUD (APC -0.90%; 95% CI -0.94 to -0.86%). There was significant variation by region, socioeconomic development level, and sex. During the last years (2019-2021), the prevalence, incidence, and death of ALD increased to a greater extent in females. CONCLUSION: Given the high burden of AUD, ALD, and alcohol-attributable primary liver cancer, urgent measures are needed to prevent them at both global and national levels.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».