Distribution, Risk Factors and Epidemiological Trends of Pancreatic Cancer Across Countries’ Income Levels: A Comprehensive Analysis
Notice bibliographique
Résumé
BACKGROUND: Globally, pancreatic cancer poses a significant concern for public health. AIMS: The objective of this study was to assess the burden of pancreatic cancer on varying income levels. METHODS AND RESULTS: Data from the Global Burden of Disease Study (GBD) 2021 and Gross Domestic Product Per Capita data were utilised in this study. All countries were categorised into four groups based on their income levels. Age-standardised incidence, mortality and disability-adjusted life years (DALYs) rates were the primary parameters to analyse the burden of pancreatic cancer. The associations between pancreatic cancer burden and countries' economic levels were analysed with linear regression models. High-income-level countries generally had a higher burden compared to other income levels in 2021. Greenland had the highest rate of age-standardised DALYs at 374.93 per 100 000, followed by Uruguay (297.06) and Monaco (290.87). A higher gross domestic product (GDP) per capita was linked to a higher age-standardised incidence (β = 0.77, 95% CI = 0.63, 0.90, p < 0.001), mortality (β = 0.72, 95% CI = 0.59, 0.86, p < 0.001) and DALYs (β = 14.59, 95% CI = 11.38, 17.80, p < 0.001). From 1990 to 2021, the pancreatic cancer burden increased across all income levels, with the most pronounced rise seen in lower-middle-income countries. Smoking-related age-standardised DALYs have decreased since 1990. However, there was a notable increase in males in upper-middle-income countries during the same period. CONCLUSION: In conclusion, the pancreatic cancer burden has been increasing globally. The burden of pancreatic cancer varies significantly among countries with different income levels. Effective preventions are needed to control the burden of pancreatic cancer.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,001 | 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 ».