MétaCan
Menu
Retour à la cohorte
Enregistrement W4417015232 · doi:10.1182/blood-2025-8040

National trends in acute lymphocytic leukemia (ALL) incidence (1999–2021): A longitudinal outcome study using joinpoint analysis of age, sex, and regional disparities

2025· article· en· W4417015232 sur OpenAlexaff
Muzamil Khan, Ummul Asfeen, Ayesha Cheema, Anika Goel, Waseem Nabi, Nouman Aziz, Swetha Balaji, Amara Sofia, Khadija Mohib, Amar Lal

Notice bibliographique

RevueBlood · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueAcute Lymphoblastic Leukemia research
Établissements canadiensSelkirk College
Organismes subventionnairesnon disponible
Mots-clésIncidence (geometry)Confidence intervalEpidemiologyAcute lymphocytic leukemiaHematologic NeoplasmsDisease controlLeukemia

Résumé

récupéré en direct d'OpenAlex

Abstract INTRODUCTION Acute Lymphocytic Leukemia (ALL) is a highly aggressive hematological malignancy characterized by rapid proliferation of lymphoid progenitor cells, requiring prompt diagnosis and intensive treatment to achieve optimal outcomes. This study systematically investigates the incidence trends from 1999 to 2021, with a particular focus on demographic and regional disparities. Method: The data for this study were sourced from the Centers for Disease Control and Prevention (CDC) Wonder Database. This dataset includes the incidence rates of ALL across various age groups: under 1 year, 5-9 years, 10-14 years, 15-19 years, 20-24 years, 25-29 years, 30-34 years, 35-39 years, 40-44 years, 45-49 years, 50-54 years, 55-59 years, 60-64 years, 65-69 years, 70-74 years, 75-79 years, 80-84 years, and 85 years and older. Each year's incidence rates are expressed per 100,000 population. To determine the percentage increase, the incidence rates from 1999 were compared with those from 2021. Joinpoint regression was used to estimate average annual percent change (AAPC) with 95% confidence intervals. RESULTS From 1999 to 2021, there were 111133 reported cases of ALL. Throughout this period, the overall incidence rate showed an increase by 34.75% over two decades. This corresponds to an AAPC of 0.9073 with a 95%CI of 0.7191 (1.0958 - 10.0618) and P value < 0.000001. When examining the data by gender, men experienced lower incidence rates than women, with an incidence rate of 33.196% for men and 36.82% for women. The AAPC for women was 1.0002 with 95% CI (0.7672 - 1.2338 ), while for men, it was 0.9681 with 95% CI (0.7562 -1.1805). When looking at racial groups, Blacks or African Americans showed the greatest increase in incidence rates with AAPC of 0.8035 with 95% CI of (0.3479 - 1.2612) followed by Asian or Pacific Islanders with an AAPC of 0.7639 with 95% CI (0.2581 -1.2723), compared to other races, When it comes to regions, Southern USA had the highest incidence rate with an AAPC of 1.1902 95% CI (0.9556 - 1.4255). Age-specific trends revealed that the 1-4 year age group saw the largest relative increase in incidence, surging by 26972 with a crude incidence rate of 7.47, with the sharpest decline in later age groups until 55-59. Surprisingly, after 55-59, it started rising again from age groups 60-64 until 80-84. After age 85, however, the incidence rates started decreasing once again. CONCLUSION Incidence of ALL in children is obvious, but it has also significantly increased across the U.S. adult population, particularly after 59, with disparities most pronounced by sex, race/ethnicity & region. Targeted interventions are needed to address disparities and mitigate rising incidence rates.

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)0,003
score de la tête « metaresearch » (Gemma)0,004
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: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,053
Tête enseignante GPT0,365
Écart entre enseignants0,312 · 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 revueBloodMême sujetAcute Lymphoblastic Leukemia researchTravaux en français237 207