Evaluation of Colorectal Cancer Incidence in the United States From 2021 to 2024 Using a National Multi-Payer Claims Database
Notice bibliographique
Résumé
PURPOSE: Colorectal cancer (CRC) remains the second leading cause of cancer-related death in the U.S. This study aimed to evaluate national CRC incidence from 2021 to 2024 using a large, multi-payer claims database. METHODS: This retrospective, cross-sectional study used a national multi-payer claims database to estimate annual CRC incidence from 2021 to 2024. Adults aged 45 to 75 years were included if they had no history of CRC diagnosis from 2015 through the year prior to the given calendar year (2021, 2022, 2023, or 2024) and had at least 1 medical or pharmacy event in a 3-year window centered on that year. CRC incidence was defined as a new diagnosis claim during each study year. Annual incidence rates per 100,000 individuals were calculated and stratified by sociodemographic characteristics. Associations between CRC incidence status (new diagnosis vs. no diagnosis) and sociodemographic subgroups were assessed using Pearson's chi-square tests. FINDINGS: From 2021 to 2024, CRC incidence declined from 136.9 to 115.9 per 100,000 among 145 to 161 million eligible individuals, with declines in those aged 50 to 64 (120.8-101.7) and 65 to 75 (203.6-162.5). In contrast, incidence among those aged 45 to 49 increased from 59.5 to 63.1 over the same period. Incidence remained higher in males than females (129.4 vs. 104.3 in 2024), and although it decreased, it remained highest among Black individuals (225.1-156.8). Medicare Advantage enrollees had the highest incidence throughout (276.8-214.0), while those with commercial insurance had one of the lowest (112.8-93.4). Regional differences narrowed from 2021 to 2024 across the Northeast, Midwest, South, and West; CRC incidence status remained significantly associated with region (Pearson's chi-square P < 0.001). CONCLUSIONS: Overall, CRC incidence declined from 2021 to 2024, though rising rates among adults aged 45 to 49 highlight a growing early-onset burden. Associations between CRC incidence status and age, sex, race/ethnicity, insurance type, and region were observed, suggesting disparities that may reflect underlying equity gaps in prevention.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 ».