Global, regional and national burden of trachea, bronchus, and lung cancer in middle-aged and elderly people aged 55+ years from 1990 to 2021, with projections to 2036: a systematic analysis of the Global Burden of Disease Study 2021
Notice bibliographique
Résumé
Background: Tracheal, bronchus, and lung (TBL) cancer remains a major global health burden, particularly among adults aged ≥55 years. Despite medical advancements, rising incidence in middle-aged adults and persistent regional disparities underscore the need for targeted public health strategies. Comprehensive analysis integrating global burden, socio-demographic factors, and future projections is essential to guide public health interventions and resource allocation. This study aims to assess the global, regional, and national patterns of TBL cancer burden, identify the impact of socio-demographic factors, and project future trends to inform effective prevention and control strategies. Methods: Using Global Burden of Disease (GBD) 2021 data, we analyzed TBL cancer incidence, mortality, and disability-adjusted life years (DALYs) across 204 countries from 1990 to 2021. Data were sourced from national cancer registries, health surveys, and statistical estimates. Temporal trends were assessed using join-point regression to identify significant inflection points in disease burden. Healthcare system efficiency was evaluated with data envelopment analysis (DEA) and stochastic frontier analysis (SFA). Projections for 2036 were made using an autoregressive integrated moving average (ARIMA) model, incorporating historical trends and population data obtained from GBD. Results: In 2021, TBL cancers resulted in 2.02 million new cases, 1.81 million deaths, and 37.63 million DALYs globally among adults aged ≥55 years. East Asia bore the highest burden, while Sub-Saharan Africa had the lowest. Men had significantly higher incidence and mortality than women, with DALY rates peaking in high-middle Socio-Demographic Index (SDI) regions. High-income nations exhibited declining trends, whereas low-middle SDI countries showed rising burdens, particularly among males. Join-point regression analysis results revealed that incidence rates declined in more than half of the countries, including Australia [average annual percentage change (AAPC), -0.56] and Canada (AAPC, -0.81), with the most pronounced reductions in Greenland (AAPC, -1.25) and Kazakhstan (AAPC, -2.46). In contrast, Egypt exhibited the highest growth (AAPC, +3.45). The ARIMA model projected continued decline in mortality in high-SDI regions, stabilization in middle-SDI regions, and persistent or increasing burden in low-SDI countries, especially for males. Conclusions: The global TBL cancer burden reflects a complex interplay of socioeconomic development, tobacco control, and environmental risk factors. Forecasts suggest widening disparities, with lower SDI regions expected to face a continued rise in mortality. Addressing gender disparities, expanding genomic and early detection programs in high-burden regions, and implementing scalable environmental policies in resource-limited settings are critical for improving outcomes. Aligning SDI growth with healthcare reforms and optimizing resource allocation through predictive modeling will help mitigate inefficiencies and enhance long-term cancer control 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 | 0,004 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,004 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».