The Global, Regional, and National Burden of Adult Lip, Oral, and Pharyngeal Cancer in 204 Countries and Territories
Notice bibliographique
Résumé
Lip, oral, and pharyngeal cancers are important contributors to cancer burden worldwide, and a comprehensive evaluation of their burden globally, regionally, and nationally is crucial for effective policy planning.To analyze the total and risk-attributable burden of lip and oral cavity cancer (LOC) and other pharyngeal cancer (OPC) for 204 countries and territories and by Socio-demographic Index (SDI) using 2019 Global Burden of Diseases, Injuries, and Risk Factors (GBD) Study estimates.The incidence, mortality, and disability-adjusted life years (DALYs) due to LOC and OPC from 1990 to 2019 were estimated using GBD 2019 methods. The GBD 2019 comparative risk assessment framework was used to estimate the proportion of deaths and DALYs for LOC and OPC attributable to smoking, tobacco, and alcohol consumption in 2019.In 2019, 370 000 (95% uncertainty interval [UI], 338 000-401 000) cases and 199 000 (95% UI, 181 000-217 000) deaths for LOC and 167 000 (95% UI, 153 000-180 000) cases and 114 000 (95% UI, 103 000-126 000) deaths for OPC were estimated to occur globally, contributing 5.5 million (95% UI, 5.0-6.0 million) and 3.2 million (95% UI, 2.9-3.6 million) DALYs, respectively. From 1990 to 2019, low-middle and low SDI regions consistently showed the highest age-standardized mortality rates due to LOC and OPC, while the high SDI strata exhibited age-standardized incidence rates decreasing for LOC and increasing for OPC. Globally in 2019, smoking had the greatest contribution to risk-attributable OPC deaths for both sexes (55.8% [95% UI, 49.2%-62.0%] of all OPC deaths in male individuals and 17.4% [95% UI, 13.8%-21.2%] of all OPC deaths in female individuals). Smoking and alcohol both contributed to substantial LOC deaths globally among male individuals (42.3% [95% UI, 35.2%-48.6%] and 40.2% [95% UI, 33.3%-46.8%] of all risk-attributable cancer deaths, respectively), while chewing tobacco contributed to the greatest attributable LOC deaths among female individuals (27.6% [95% UI, 21.5%-33.8%]), driven by high risk-attributable burden in South and Southeast Asia.In this systematic analysis, disparities in LOC and OPC burden existed across the SDI spectrum, and a considerable percentage of burden was attributable to tobacco and alcohol use. These estimates can contribute to an understanding of the distribution and disparities in LOC and OPC burden globally and support cancer control planning efforts.
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 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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.
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 ».