MétaCan
Menu
← Retour à la cohorte
Enregistrement W4410809147 · doi:10.1200/jco.2025.43.16_suppl.e17005

Global burden of prostate cancer in 38 OECD countries and its trend from 1990-2021: An Insight from the Global Burden of Disease study 2021.

2025· article· en· W4410809147 sur OpenAlexaboutno aff
Siddhant Jain, Dhara Popat, Hardik Jain, Mandeepsinh Vashi, Rahil Gadhiya, Fagun Viramgama, Abdullah Jamal, Shivam Kalra, Himanshu Bharatkumar Koyani, Vishrant Amin

Notice bibliographique

RevueJournal of Clinical Oncology · 2025
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealth Systems, Economic Evaluations, Quality of Life
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineBurden of diseaseProstate cancerDiseaseDisease burdenCancerGlobal healthEnvironmental healthInternal medicinePublic healthPathology

Résumé

récupéré en direct d'OpenAlex

e17005 Background: Prostate cancer (PC) remains a significant public health challenge across Organization for Economic Cooperation and Development (OECD) countries, with its burden steadily increasing due to aging populations, lifestyle changes, and improved diagnostic capabilities. PC ranks as the fifth leading cause of death and the sixth leading cause of disability across the 38 member countries of the OECD. Methods: Using Global Burden of Disease study 2021 methodology, we estimated incidence, prevalence, deaths, disability-adjusted life years (DALYs) due to PC by age, sex, year and location across the 38 OECD countries from 1990-2021. Results: Between 1990 and 2021, the total prevalence count due to PC increased from 2.9 million (95% UI: 2.8–3.0) to 7.1 million (6.7–7.3), while deaths rose from 128,547 (121,475–132,397) to 194,858 (175,334–205,941). The total disability-adjusted life years (DALYs) increased from 2.4 million (2.3–2.5) to 2.9 million (2.8–3.0). The highest annual percentage change (APC) in the age-standardized incidence rate (ASIR) was observed in the Republic of Korea (4.75%), followed by Estonia (4.00%), Latvia (3.30%), Poland (3.01%), Slovenia (2.83%), and Japan (2.50%). In contrast, a decline in ASIR was observed in the USA (-0.41%), Canada (-1.11%), Switzerland (-0.36%), and New Zealand (-0.16%) over the same period. Regarding the age-standardized mortality rate (ASMR), Latvia recorded the highest increase in APC (1.90%), followed by Lithuania (1.62%), Poland (1.48%), the Republic of Korea (1.42%), Slovenia (0.89%), and Costa Rica (0.49%). Age-wise, the highest increase in APC for incidence count was observed in individuals aged 95+ years (5.55%), followed by 90–94 years (4.42%), 50–54 years (3.24%), 85–89 years (3.06%), and 60–64 years (2.80%). In terms of mortality, the highest APC was recorded in the 95+ years group (5.46%), followed by 90–94 years (4.31%), 85–89 years (2.58%), 80–84 years (1.05%), 20–24 years (0.97%), and 70–74 years (0.84%). Conclusions: Deaths due to PC accounted for 6.095% of all cancer causalities in 2021. From 1990 to 2021, the prevalence, mortality, and DALYs of the disease showed a significant rise, with the highest increases in incidence observed in the Republic of Korea, Estonia, and Latvia, while the USA, Canada, and Switzerland saw declines. Mortality rates also surged in Latvia, Lithuania, and Poland, with the elderly population (95+ years) experiencing the steepest rise in both incidence and deaths, highlighting an urgent need for targeted interventions in high-risk regions and age groups.

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 enseignants0,118
Score d'incertitude au seuil0,235

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0040,008
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,285
Tête enseignante GPT0,530
Écart entre enseignants0,245 · 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 revueJournal of Clinical Oncology→Même sujetHealth Systems, Economic Evaluations, Quality of Life→Travaux en français237 207→