1990-2021年全球女性早发性癌症负担:基于GBD 2021的研究并聚焦中国

The global burden of early-onset cancer in women, 1990-2021: findings from the GBD 2021 with focus on China

作者信息Yibei Li, Danqi Huang, Jingyi Liu, Yang Bai, Bobo Zheng, Quan Wang, Wenbo Meng, Jinqiu Yuan, Min Yang, Jingbo Zhai, Jiang Li
PMID42007219
发布时间2026-02-11
DOI10.1016/j.jncc.2026.01.002

实验完整度

低

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。

主要模型

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

重点核对

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

摘要

背景:早发性癌症是女性面临的重大公共卫生威胁,但关于其全球负担和时间趋势的全面数据仍然有限。本研究旨在全面评估1990年至2021年女性早发性癌症的全球负担,并预测其到2050年的变化。方法:本研究利用全球疾病负担(GBD)2021数据,分析了1990年至2021年女性早发性癌症(15-49岁)的发病率、死亡率和伤残调整生命年(DALYs),并预测至2050年。我们展示了31种恶性肿瘤的绝对数量和每10万人的年龄标准化率(ASRs)及其95%不确定性区间(UIs)。估计年度百分比变化(EAPCs)量化了ASRs的时间趋势,而自回归积分滑动平均(ARIMA)模型预测了未来负担。国家按社会人口指数(SDI)五分位数分层,使用Spearman秩相关分析和前沿分析探讨SDI与疾病负担的关系。通过GBD的比较风险框架评估了可归因于风险的负担。结果:从1990年到2021年,全球女性早发性癌症新发病例数从1149万上升至1706万,死亡人数从40万增加至51万。早发性乳腺癌负担最高,其次是宫颈癌。全球年龄标准化发病率(ASIR)略有下降,EAPC为-0.13%,而美国显著上升(EAPC=1.36%)。年龄标准化死亡率(ASMR)显著下降(EAPC=-1.14%),其中中国降幅最大(EAPC=-2.09%)。2021年,可改变风险因素占总死亡人数的31.44%,主要集中在宫颈癌(100%的死亡可归因于可改变风险因素)、肺癌(50.05%)和结直肠癌(50.85%)。预测显示,ASIR将在2027年达到峰值880.95/10万,随后趋于稳定,而ASMR到2050年将下降至23.74/10万。结论:本研究结果描述了女性早发性癌症的全球疾病负担,包括时间趋势、区域差异、风险归因和未来预测,进一步验证了包括筛查在内的预防策略的重要性。我们的结果为针对女性人群的早发性癌症的靶向预防策略提供了见解。

实验结论

提炼研究问题、关键发现与证据,快速把握文章的核心贡献。

研究问题
女性早发性癌症(15-49岁)的全球负担、时间趋势、风险归因及未来预测如何?
核心机制
可改变风险因素如饮食风险、吸烟、不安全性行为等是导致部分早发性癌症死亡和DALYs的重要因素,其中宫颈癌几乎100%的死亡归因于不安全性行为导致的HPV感染。
主要证据
基于GBD 2021数据,分析了31种癌症的发病率、死亡率和DALYs,使用EAPC、Spearman相关分析、前沿分析和ARIMA模型,发现乳腺癌负担最高,宫颈癌次之,全球ASIR略有下降,但美国显著上升,中国死亡率下降最快。
研究意义
研究验证了包括筛查在内的预防策略的重要性,并为针对女性人群的早发性癌症预防策略提供了见解。

研究路径

按研究推进顺序梳理实验设计、验证步骤与关键观察。

1

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。

2

疾病负担指标计算

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)。

3

时间趋势分析

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。

4

区域差异与SDI分析

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。

5

风险归因分析

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。

6

未来负担预测

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。

研究方法

按研究目的归类文中使用的方法,便于定位所需技术。

产品清单

实验环节名称品牌货号
R V.4.3.3 软件----

关键环节

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