Trends in the Incidence of Ovarian Cancer Among Premenopausal and Postmenopausal Women in the United States, 2001 to 2021
Notice bibliographique
Résumé
BACKGROUND: Ovarian cancer remains the deadliest and leading cause of gynecological cancer-associated mortality in the US. The aim of this study was to characterize the trends in the incidence of ovarian cancer between premenopausal and postmenopausal women to inform future targeted interventions. METHODS: This population-based cross-sectional study analyzed data from the US Cancer Statistics (USCS) database, which covered the whole of the US population between 2001 and 2021. Joinpoint regression was used to compute the average annual percentage change (APC) with 95% confidence interval (CI) and age-standardized incidence rates per 1,000,000 population. RESULTS: The results showed that the IR of ovarian cancer declined between 2001 and 2021. Postmenopausal women had greater decreases in the IR of ovarian cancer compared to premenopausal women who showed a small decline. When stratified by race/ethnicity, non-Hispanic American Indian/Alaska Native women aged 20-49 years experienced an increase in the IR of ovarian cancer (APC = 2.4; 95% CI 0.9 to 4.1) compared to other racial/ethnic groups which showed a decline. Joinpoint trend analyses identified one inflection point in localized ovarian cancer incidence trends among all three age groups: an initial decline from 2001 to 2011 among women 20-49 years old and 65+ years old, and from 2001 to 2012 among women 50-64 years old, followed by an upward trend thereafter to 2021. Similarly, there was one inflection point in the IR of ovarian cancer for the clear cell and endometrioid types among women aged 20-49 years old. CONCLUSIONS: The IR of ovarian cancer in the US declined significantly among postmenopausal compared to premenopausal women, for whom the IR of ovarian cancer decreased only slightly. Although encouraging, these findings show a need for continued efforts to improve early detection and prevention strategies to mitigate the burden of this deadly disease.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».