数据提取与癌症定义
获取并定义女性早发性癌症的数据集
从GBD 2021数据库提取204个国家和地区1990-2021年女性(15-49岁)31种癌症的新发病例、死亡和DALYs数据,并根据ICD-9/ICD-10编码定义早发性癌症。
The global burden of early-onset cancer in women, 1990-2021: findings from the GBD 2021 with focus on China
本研究为基于GBD 2021数据库的观察性分析,未提供实验方法或验证过程,仅依赖统计模型和风险归因,故实验完整度低。
GBD 2021数据库中的女性早发性癌症数据(15-49岁) 中国和美国的女性早发性癌症队列 按SDI分层的国家/地区队列
早发性癌症定义为50岁以下成人诊断的恶性肿瘤 使用ICD-9和ICD-10编码确定31种癌症类型 年龄标准化率(ASR)按GBD标准人口权重计算 EAPC计算基于对数线性回归模型 ARIMA模型用于预测2022-2050年负担
提炼研究问题、关键发现与证据,快速把握文章的核心贡献。
按研究推进顺序梳理实验设计、验证步骤与关键观察。
获取并定义女性早发性癌症的数据集
从GBD 2021数据库提取204个国家和地区1990-2021年女性(15-49岁)31种癌症的新发病例、死亡和DALYs数据,并根据ICD-9/ICD-10编码定义早发性癌症。
计算年龄标准化率(ASR)以比较不同人群的负担
计算新发病例、死亡和DALYs的年龄标准化率(ASR),使用GBD标准人口权重,并给出95%不确定性区间(UIs)。
量化早发性癌症负担的时间趋势
使用估计年度百分比变化(EAPC)量化ASR的时间趋势,基于对数线性回归模型。
探讨社会人口指数(SDI)与疾病负担的关系
按SDI五分位数分层分析ASR,使用Spearman秩相关分析检验SDI与DALYs率的关系,并采用数据包络分析(DEA)前沿分析评估各国效率。
评估可改变风险因素对早发性癌症死亡和DALYs的贡献
基于GBD比较风险评估框架,分析行为、环境和代谢风险因素对癌症死亡的归因比例。
预测2022-2050年早发性癌症负担趋势
使用ARIMA模型预测全球、五个SDI区域及中国和美国的ASIR、ASMR和ASDR。
按研究目的归类文中使用的方法,便于定位所需技术。
| 实验环节 | 名称 | 品牌 | 货号 |
|---|---|---|---|
| 数据分析 | R V.4.3.3 软件 | -- | -- |
汇总复现实验时建议重点确认的条件及原文阅读提示。
| 环节 | 核对要点 |
|---|---|
| 数据来源与癌症定义 | 早发性癌症定义:50岁以下;数据来源:GBD 2021数据库;癌症类型:31种恶性肿瘤;ICD编码 阅读提示:Methods 2.1 数据来源和早发性癌症的定义 |
| 年龄标准化率计算 | 标准人口权重:GBD标准人口权重;ASR公式;UIs计算方法 阅读提示:Methods 2.2 统计分析的ASR计算公式和UIs描述 |
| 时间趋势分析 | EAPC计算:对数线性模型;P值<0.05为显著性阈值 阅读提示:Methods 2.2 统计分析的EAPC计算公式 |
| SDI分层与关联分析 | SDI五分位划分;Spearman相关系数;DEA前沿分析 阅读提示:Methods 2.2 统计分析的SDI分层和Spearman相关分析部分 |
| 风险归因分析 | 风险因素类型:行为、环境、代谢;归因方法:GBD比较风险评估框架 阅读提示:Methods 2.1 数据来源中的风险归因描述 |
| 未来预测 | ARIMA模型参数;预测时间范围:2022-2050年;预测区域:全球、SDI五分位、中国、美国 阅读提示:Methods 2.2 统计分析的ARIMA模型部分 |