MétaCan
Menu
Retour à la cohorte
Enregistrement W4409625038 · doi:10.1158/1538-7445.am2025-3591

Abstract 3591: Global burden and trends in cancer incidence and mortality among young adults

2025· article· en· W4409625038 sur OpenAlexaboutno aff
Yejun Son, Nikita Sandeep Wagle, Dong Keon Yon, Ahmedin Jemal, Hyuna Sung

Notice bibliographique

RevueCancer Research · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueCancer Risks and Factors
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCancerMedicineCancer incidenceIncidence (geometry)DemographyGerontologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

Abstract Background: Increasing cancer incidence among young adults has been reported for several types of cancers, primarily in certain high-income countries. However, there is a lack of comprehensive examination of the global burden and trends in cancer incidence and mortality among young adults. Methods: We presented estimated numbers of cancer cases, cancer deaths, age-standardized incidence, and mortality rates per 100, 000 people among young adults (YAs, ages 25-49 years) for all cancers combined and 35 cancer sites in 185 countries and 20 UN regions using GLOBOCAN 2022. We further quantified trends in age-standardized incidence (ASIR; 52 countries) and age-standardized mortality (ASMR; 62 countries) for the top five incident cancers (female breast, cervix uteri, thyroid, colorectum, and trachea, bronchus and lung cancers) among YAs over the most recent decade by estimating average annual percent change (AAPC), using the Cancer Incidence in Five Continents (CI5; 2008-2017) and WHO mortality data (2011-2020; thyroid mortality data was not available), respectively. Results: In 2022, an estimated 2.9 million cancer cases and 962, 000 cancer-related deaths occurred in YAs worldwide, corresponding to 108.1 cases per 100, 000 people per year and 35.9 deaths per 100, 000 people per year. Globally, ASIR and ASMR were higher in women than men (143.7 vs. 73.5 for incidence; 40.0 vs. 32.0 for mortality). By UN region, ASIR per 100, 000 people was highest in Australia-New Zealand (185.7) and lowest in South Central Asia (72.5), while ASMR per 100, 000 was highest in Eastern Africa (55.9) and lowest in Northern Europe (21.9). For the most recent 10 years, increases in ASIRs were observed for thyroid cancer (AAPC, 2.5-19.6%) in 27 countries, for colorectal cancer (AAPC, 1.2-11.5%) in 20 countries, for female breast cancer (AAPC, 0.7-5.9%) in 17 countries, and for cervix uteri cancer (AAPC, 1.8-15.7%) in 4 countries. Increases in ASMR were observed for colorectum cancer (AAPC, 0.6-8.0%) in 13 countries, for female breast cancer (AAPC, 0.9-4.8%) in 11 countries, and for cervix uteri cancer (AAPC, 2.1-4.7%) in 6 countries. Incidence and mortality both increased in YAs for female breast cancer in Czechia, ovarian cancer in the Republic of Korea, cervix uterine cancer in the Netherlands, and colorectum cancer in Australia, Canada, Chile, and the USA. Trachea, bronchus and lung cancers ASIR and ASMR decreased in 24 (AAPC, -1.5 to -11.3%) and 47 (AAPC, -2.0 to -11.4%) countries among YAs, respectively. Conclusions and Relevance: The burden and trends in cancer among young adults vary significantly by sex and region. Rising incidence and mortality rates for multiple cancer types across the world underscore the need for renewed attention to cancer prevention efforts and improvements to cancer surveillance systems targeting this often overlooked age group. Citation Format: Kieran Patrick Kelly, Yejun Son, Nikita Sandeep Wagle, Dong Keon Yon, Ahmedin Jemal, Hyuna Sung. Global burden and trends in cancer incidence and mortality among young adults [abstract]. In: Proceedings of the American Association for Cancer Research Annual Meeting 2025; Part 1 (Regular Abstracts); 2025 Apr 25-30; Chicago, IL. Philadelphia (PA): AACR; Cancer Res 2025;85(8_Suppl_1):Abstract nr 3591.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,032
Score d'incertitude au seuil0,063

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0070,002

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.

Tête enseignante Opus0,067
Tête enseignante GPT0,473
Écart entre enseignants0,406 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCancer ResearchMême sujetCancer Risks and FactorsTravaux en français237 207