Se requiere una suscripción a JoVE para ver este contenido. Inicie sesión o comience su prueba gratuita.

Artículo de método

Un flujo de trabajo analítico basado en GBD 2021 para estimar la carga global de neoplasias atribuible a una baja actividad física

90 visualizaciones

⸱

DOI:

10.3791/70495

⸱

7 de agosto de 2026

 ,  , 
1Department of Gastroenterology, Changshu Hospital of Traditional Chinese Medicine, 2The First School of Clinical Medicine, Nanjing University of Chinese Medicine, 3Department of Traditional Chinese Medicine, Inner Mongolia Medical University Affiliated Hospital, 4Department of Gastroenterology, Jiangsu Second Chinese Medicine Hospital

En este artículo

Resumen

Este protocolo demuestra un flujo de trabajo reproducible para extraer, procesar, analizar y visualizar estimaciones GBD 2021 de neoplasias atribuibles a baja actividad física. El flujo de trabajo permite a los investigadores evaluar indicadores de carga, tendencias temporales, componentes de descomposición, desigualdades socioeconómicas y proyecciones basadas en modelos utilizando datos estandarizados a nivel poblacional.

Resumen

Este protocolo describe un flujo de trabajo analítico reproducible para estimar la carga global de neoplasias atribuible a baja actividad física utilizando datos de la Carga Global de Enfermedades 2021. El flujo de trabajo incluye la extracción de datos de la Herramienta de Resultados GBD, definición de resultados elegibles y categorías de exposición, estimación de muertes, años de vida ajustados por discapacidad y tasas estandarizadas por edad, análisis de tendencias temporales utilizando el cambio porcentual anual estimado y regresión de punto de unión, análisis de descomposición, evaluación de desigualdad socioeconómica y proyección bayesiana de periodos de edad y cohorte. El protocolo también describe cómo interpretar intervalos de incertidumbre, componentes de descomposición y métricas de desigualdad en el contexto de estimaciones modeladas a nivel poblacional. Como aplicación representativa, el flujo de trabajo se aplicó al cáncer colorrectal y al cáncer de mama femenino atribuible a baja actividad física en 204 países y territorios desde 1990 hasta 2021, con proyecciones hasta 2045. Este protocolo puede adaptarse a otros pares riesgo-resultado de GBD cuando los investigadores necesitan un enfoque estructurado para la estimación de la carga atribuible al riesgo, caracterización de tendencias, evaluación de desigualdad y análisis de proyecciones.

Introducción

Las neoplasias representan una categoría significativa de enfermedades no transmisibles (EMN) que contribuyen a la mortalidad y discapacidad globales, lo que supone un desafío crítico de salud pública a nivel mundial. Los datos de Globocan 2022 revelaron 19,96 millones de nuevos casos de neoplasia y 9,74 millones de muertes en todo el mundo, siendo los cánceres de pulmón, mama (femenino) y colorrectal las principales malignidades. Se proyecta que la incidencia de cáncer alcanzará los 35 millones anuales para 2050 (un aumento del 77% respecto a 2022), con países con puntuaciones bajas en el Índice de Desarrollo Humano (IDH) que se proyecta que experimenten un aumento del 142%, impulsado por las transiciones demográficas. La expansión demográfica, el envejecimiento poblacional, los sistemas de cribado deficientes y el acceso restringido al tratamiento en regiones con bajo IDH impulsan estas tendencias, creando un imperativo para una asignación equitativa de los recursos oncológicosglobales 1.

La baja actividad física (LPA) es un determinante establecido y modificable para las EMN mayores, que abarcan malignidades, trastornos metabólicos y condiciones neuropsiquiátricas 2,3,4. La LPA constituye una carga significativa para la salud global, mostrando un aumento de prevalencia estandarizado por edad del 6,6% desde 2000 y contribuyendo al 7,2% de la mortalidad global por todas las causas en 2022 5,6. La actividad física moderada (PA) confiere una protección significativa contra los cánceres de mama (HR 0,90; IC 95%: 0,87–0,93), colon (HR 0,84; IC 95%: 0,77–0,91) y rectales (HR 0,87; IC 95%: 0,80–0,95), con reducciones paralelas en la mortalidad específica delsitio 7. Para promover la AP esencial a nivel mundial, numerosos países y regiones han desarrollado directrices nacionales de AP adaptadas a sus contextos específicos (por ejemplo, Canadá, Reino Unido y Estados Unidos), que se han difundido ampliamente a través de organizaciones como la Organización Mundial de la Salud (OMS) y la Unión Europea. Lamentablemente, solo el 72,5% de los adultos a nivel mundial cumplen los niveles mínimos recomendados de PA establecidos en las directrices de saludpública 8.

Mitigar la baja carga de neoplasia atribuible a la actividad física es fundamental para alcanzar el objetivo 2030 del Objetivo de Desarrollo Sostenible (ODS) de la ONU: reducción de un tercio en la mortalidad prematura por EMN mediante la prevención y el cuidado9. Generar evidencia sólida para esclarecer la relación entre la LPA y las neoplasias es esencial para orientar futuras políticas sanitarias. El Estudio Global de Carga de Enfermedades, Lesiones y Factores de Riesgo 2021 (GBD 2021) proporciona estimaciones comparables a nivel poblacional de mortalidad, años de vida ajustados por discapacidad (DALYs) y carga atribuible al riesgo en 204 países y territorios desde 1990 hasta 2021 utilizando enfoques epidemiológicos estandarizados. En GBD 2021, las estimaciones de enfermedades y lesiones cubren 371 enfermedades y lesiones, mientras que el análisis de factores de riesgo estima la exposición, el riesgo relativo, las fracciones atribuibles a la población y la carga atribuible para 88 factoresde riesgo 10. Sin embargo, menos estudios han proporcionado un flujo de trabajo escalonado y reproducible para extraer datos de neoplasia atribuibles a baja actividad física GBD 2021 y aplicar análisis de tendencia, descomposición, desigualdad y proyección dentro de un mismo protocolo. Este manuscrito aborda esta carencia metodológica detallando los procedimientos de extracción de datos, definición de variables, modelado estadístico e interpretación para este par riesgo-resultado específico de GBD. Este protocolo describe un análisis secundario reproducible de las estimaciones de GBD 2021 para neoplasias atribuibles a baja actividad física en 204 países y territorios desde 1990 hasta 2021, con proyecciones hasta 2045. Los objetivos eran cuantificar las muertes, los DALYs, las tasas estandarizadas por edad, las tendencias temporales, los componentes de descomposición, las desigualdades socioeconómicas y la carga proyectada, sin inferir causalidad a nivel individual ni efectos de intervención directa.

Este flujo de trabajo se eligió porque integra varios componentes analíticos complementarios en un único marco reproducible. En comparación con estudios que solo informan estimaciones descriptivas de GBD o métricas de tendencia individuales, este protocolo combina estimación de carga, EAPC, regresión de punto de unión, análisis de descomposición, evaluación de desigualdad y proyección BAPC, permitiendo a los usuarios examinar no solo la magnitud de la carga, sino también los cambios temporales, los factores demográficos, los gradientes socioeconómicos y las tendencias futuras. El protocolo es aplicable a investigadores que realicen análisis secundarios de estimaciones atribuibles al riesgo de GBD, especialmente cuando el objetivo es comparar patrones de carga a lo largo del tiempo, sexo, grupos de edad, países, regiones o categorías de IDS.

Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.

Protocolo

Este estudio utilizó estimaciones a nivel poblacional de GBD 2021 disponibles públicamente y desidentificadas. No se accedió a datos individuales de participantes humanos. El estudio GBD 2021 recibió una exención de consentimiento informado por parte de la Junta de Revisión Institucional de la Universidad de Washington; por lo tanto, no se requirió una aprobación ética institucional adicional para este análisis secundario.

NOTA: Este protocolo describe un flujo de trabajo reproducible para realizar un análisis secundario de las estimaciones GBD 2021 paraneoplasias 11 atribuibles a baja actividad física. El flujo de trabajo incluye extracción de datos, definición de variables, estimación de carga, análisis temporal de tendencias, análisis de descomposición, evaluación de desigualdad y proyección bayesiana de periodos de edad y cohortes. Los resultados se presentan para ilustrar la aplicación del protocolo en lugar de establecer una relación causal primaria. El flujo de trabajo analítico constó de seis pasos secuenciales: extracción de estimaciones de GBD 2021, definición de exposición, resultados de la enfermedad y estratos de SDI, estimación de muertes, DALYs, tasa de mortalidad estandarizada por edad (ASMR) y tasa DALYs estandarizada por edad (ASDR), análisis de tendencias temporales utilizando el cambio porcentual anual estimado (EAPC) y análisis de regresión de puntos de unión, análisis de descomposición e desigualdad, y proyección bayesiana por periodo de edad y cohorte hasta 2045. Cada resultado y figura se generó a partir de uno de estos pasos analíticos vinculados.

1. Identificación y acceso a fuentes de datos

  1. Accede a la herramienta de resultados Global Burden of Disease (GBD) 2021.
    1. Abre un navegador web y accede a la Herramienta de Resultados de la Carga Global de Enfermedades en https://vizhub.healthdata.org/gbd-results/.
    2. Selecciona GBD 2021 como la versión del estudio entre las opciones disponibles del conjunto de datos.
    3. Selecciona Factores de Riesgo en el menú de jerarquía de causas.
  2. Define los resultados de la enfermedad y los factores de riesgo.
    1. Selecciona las neoplasias como categoría de enfermedad.
    2. Selecciona la baja actividad física como factor de riesgo.
    3. Seleccione los años de vida ajustados por discapacidad y muertes (DALYs) como medidas de resultado.
  3. Especifica población, geografía y periodo de tiempo.
    1. Selecciona ambos sexos, Masculino y Femenino , por separado para análisis específicos por sexo.
    2. Selecciona todos los grupos de edad disponibles ≥25 años.
    3. Selecciona los 204 países y territorios.
    4. Establece el periodo de análisis de 1990 a 2021.
  4. Extraer medidas de resultado estandarizadas por edad.
    1. Habilitar la estandarización por edad utilizando el estándar de población GBD 2021.
    2. Selecciona la tasa de mortalidad estandarizada por edad (ASMR) y la tasa DALYs estandarizada por edad (ASDR) como variables de salida.
    3. Incluir intervalos de incertidumbre (UI) del 95% para todas las estimaciones extraídas.
    4. Exporta los datos extraídos en formato CSV para el análisis posterior.
    5. Para la reproducibilidad, utilice las siguientes selecciones de la Herramienta de Resultados de GBD: versión del estudio: GBD 2021; Contexto: Factores de riesgo; riesgo: baja actividad física; causa: Neoplasias; medidas: Muertes y AVI; métricas: Número y Tasa; edades: Estandarizadas por edad y todos los grupos de edad disponibles de 5 años de ≥ 25 años; sexos: Ambos, masculino y femenino; ubicaciones: Global, 21 regiones GBD, regiones SDI y 204 países y territorios; años: 1990–2021.
    6. Exporta la estimación media, el intervalo de incertidumbre inferior y el intervalo de incertidumbre superior para cada estrato en formato CSV.
  5. Obtener datos estratificados por índice sociodemográfico (IDS).
    1. Permitir la estratificación mediante el Índice Sociodemográfico (IDS).
    2. Extrae datos específicos de ASMR y ASDR específicos para SDI para análisis comparativos.
  6. Accede a las fuentes de datos subyacentes.
    1. Accede a la herramienta de fuentes de entrada de datos GBD 2021 en https://ghdx.healthdata.org/gbd-2021.
    2. Revisa la documentación disponible públicamente que describa fuentes de datos primarias, incluidos sistemas de registro civil, encuestas poblacionales, historiales médicos y registros de enfermedades.

2. Definición de variables clave y criterios de clasificación

  1. Define las neoplasias.
    1. Defina las neoplasias como tumores malignos según la jerarquía de causas de la Global Burden of Disease (GBD) 2021.
    2. Incluir únicamente neoplasias malignas caracterizadas por proliferación celular descontrolada resultante de una desregulación genética y epigenética.
    3. Excluir las neoplasias benignas de todos los análisis.
  2. Define baja actividad física.
    1. Define la intensidad de la actividad física usando valores metabólicos equivalentes a la tarea (MET), donde 1 MET equivale a un consumo de oxígeno de 3,5 mL O₂/kg/min en reposo.
    2. Calcula los niveles semanales de actividad física utilizando el total de minutos de MET por semana.
    3. Clasificar los niveles de actividad física en cuatrocategorías 12,13:
      Menos de 600 minutos MET-por semana.
      De 600 a 3.999 minutos MET-por semana.
      De 4.000 a 7.999 minutos MET-minuto por semana.
      8.000 o más minutos MET por semana.
    4. Definir baja actividad física como menos de 4.000 minutos MET por semana, en coherencia con la metodología de atribución de riesgos GBD 2021.
      NOTA: Este corte fue adoptado de la definición de atribución de riesgo GBD 2021 y no fue seleccionado de novo en el presente estudio. Se utilizó para mantener la coherencia con el marco de evaluación comparativa de riesgos del GBD y la comparabilidad con otras estimaciones basadas en el GBD.
  3. Define SDI.
    1. Definamos el IDS como un indicador compuesto que va de 0 a 1.
    2. Calcular el IDS utilizando la media geométrica de la renta per cápita estandarizada, el nivel educativo y la tasa de fertilidad en personas menores de 25 años.
    3. Clasificar países y regiones en cinco categorías deIDS: 14: Bajo, Bajo-Medio, Medio, Alto-Medio y Alto.
    4. Asignar países a una de las 21 regiones GBD basándose en la estratificación SDI.
  4. Define las neoplasias atribuibles a baja actividad física.
    1. Identificar neoplasias atribuibles a baja actividad física utilizando el marco de evaluación comparativa de riesgos GBD 2021.
      1. Dentro de este marco, operacionalizar la baja carga atribuible a la actividad física combinando distribuciones de exposición, riesgos relativos riesgo-resultado y el nivel teórico mínimo de exposición al riesgo para estimar las fracciones atribuibles a la población. Luego, aplícalo a muertes y DALYs para resultados de neoplasia elegibles.
    2. Incluir el cáncer colorrectal y el cáncer de mama femenino como resultados de neoplasia atribuibles a una baja exposición a la actividad física.
      NOTA: Por tanto, en este estudio, las neoplasias atribuibles a baja actividad física se refieren únicamente al cáncer colorrectal y al cáncer de mama femenino según la definición del marco de evaluación comparativa de riesgo GBD 2021, y no a todos los tumores malignos.

3. Estimación de la carga global de neoplasias atribuible a baja actividad física.

  1. Extrae indicadores de carga de enfermedades.
    1. Datos de muertes por importación y años de vida ajustados por discapacidad (DALYs) para neoplasias atribuibles a baja actividad física de la Herramienta de Resultados de la Carga Global de Enfermedades (GBD) 2021, siguiendo el marco estándar de evaluación comparativa de riesgos del GBD.
    2. Extraiga las tasas de mortalidad estandarizadas por edad (ASMR) y las tasas DALYs estandarizadas por edad (ASDR) por cada 100.000 habitantes utilizando la población estándar GBD 2021.
    3. Mantener los intervalos de incertidumbre correspondientes del 95% para todas las estimaciones extraídas, tal como proporciona la metodología GBD 2021.
  2. Calcula los años de vida ajustados por discapacidad.
    1. Define los años de vida ajustados por discapacidad (DALYs) como la suma de los años de vida perdidos (YLLs) y los años vividos con discapacidad (YLDs), siguiendo las definiciones estándar de GBD.
    2. Calcular los YLLs multiplicando la mortalidad específica por edad por la esperanza de vida de referencia especificada en la tabla de vida GBD 2021.
    3. Calcular las YLDs multiplicando los casos incidentes por los pesos de discapacidad específicos de la enfermedad y la duración de la enfermedad, tal y como se describe en la metodología GBD.
    4. Verifica que los valores DALY calculados correspondan a las estimaciones reportadas por GBD 2021.

4. Análisis de tendencias temporales

  1. Estima el porcentajeanual de variación 15,16.
    1. Importar datos ASMR y ASDR al software R (versión 4.4.2).
    2. Aplicar la transformación logarítmica natural a las tasas estandarizadas por edad.
    3. Ajustar modelos de regresión lineal con el año natural como variable independiente para evaluar tendencias temporales, siguiendo métodos establecidos de análisis de tendencias epidemiológicas.
    4. Calcular el cambio porcentual anual estimado (EAPC) a partir de la pendiente de regresión utilizando la transformación exponencial estándar.
    5. Clasificar las tendencias como alcistas, decrecientes o estables en función de si el intervalo de confianza del 95% del EAPC está por encima, por debajo o incluye cero.
  2. Realizar análisis de regresión de puntos de unión.
    1. Abrir el Programa de Regresión de Punto de Enlace (versión 5.3.0; Instituto Nacional del Cáncer).
    2. Importa conjuntos de datos ASMR y ASDR al software.
    3. Seleccione un modelo de regresión log-lineal para el análisis de tendencias, coherente con las directrices metodológicas deJoinpoint 17.
    4. Especifica un mínimo de 0 y un máximo de 6 puntos de unión.
    5. Selecciona el método del Criterio de Información Bayesiano Basado en Datos (BIC) con optimización BIC ponderada para determinar los puntos de unión óptimos.
      1. Selecciona el máximo de seis puntos de unión según la duración de la serie temporal anual de 1990 a 2021 y las recomendaciones predeterminadas del Programa de Regresión de Puntos de Unión.
      2. Determina el número final de puntos de unión mediante el BIC basado en datos.
    6. Ejecuta el análisis para calcular el cambio porcentual anual (APC) y el cambio porcentual anual medio (AAPC) con intervalos de confianza del 95%. Para estratos con datos escasos o estimaciones anuales inestables, los APC específicos de cada segmento se interpretaron con cautela y no se enfatizaron a menos que la tendencia ajustada estuviera respaldada por intervalos de incertidumbre correspondientes y fuera epidemiológicamente plausible.
    7. Exportar los resultados de APC y AAPC para análisis posteriores.
      NOTA: EAPC y regresión de punto de unión se usaron para propósitos diferentes. EAPC proporcionó una estimación resumida única de la tendencia log-lineal media entre 1990 y 2021, mientras que la regresión de punto de unión identificó periodos de calendario en los que la tasa de cambio se desplazó y estimó APCs específicos de segmento. Por ello, se utilizó EAPC para la comparación general entre estratos, mientras que la regresión de punto de unión se empleó para describir patrones de flexión temporal.

5. Análisis de descomposición

  1. Prepara entradas de descomposición.
    1. Estratificar los datos de mortalidad y DALY por grupo de edad, año natural y región geográfica.
    2. Importar conjuntos de datos estratificados en JD_GBDR software (versión 2.37.1).
  2. Realizar análisis de descomposición.
    1. Descomponer los cambios en la mortalidad y los DALYs entre puntos temporales seleccionados en componentes de envejecimiento, crecimiento poblacional y cambio epidemiológico utilizando métodos de descomposiciónestablecidos 18.
    2. Cuantificar la contribución de cada componente a los cambios generales en la carga de la enfermedad.
      1. Interpretar las contribuciones porcentuales como la contribución proporcional del envejecimiento, el crecimiento poblacional y el cambio epidemiológico al cambio neto de muertes o DALYs entre dos puntos temporales.
      2. Pueden producirse valores que superen el 100% o valores negativos cuando un componente aumenta la carga mientras otro la compensa; interpreta estos valores como efectos matemáticos de descomposición en lugar de efectos biológicos directos.
    3. Resultados de descomposición de exportaciones para análisis globales, a nivel SDI y regionales GBD.

6. Análisis de desigualdad en salud

  1. Prepara los datos para la evaluación de la desigualdad.
    1. Clasificar todos los países y territorios según sus valores de IDS, de menor a más alto.
    2. Importar ASMR y ASDR al software R (versión 4.4.2).
  2. Calcula el índice de pendiente de desigualdad.
    1. Asignar un rango socioeconómico relativo a cada país basado en la distribución acumulada de la población entre los estratos del IDS.
    2. Ajusta un modelo de regresión lineal ponderada con ASMR o ASDR como variable dependiente y rango relativo SDI como variable independiente.
    3. Calcular el índice de pendiente de desigualdad (SII) como la diferencia absoluta en la carga de la enfermedad entre los extremos más alto y el más bajo del gradiente SDI, siguiendo la metodología establecida de análisis de desigualdad.
  3. Calcula el índice de concentración.
    1. Construye curvas de concentración representando las proporciones acumuladas de ASMR o ASDR frente a las proporciones poblacionales acumuladas clasificadas por IDS.
    2. Calcula el índice de concentración (CII) como el doble del área entre la curva de concentración y la línea de igualdad.
    3. Interpretar valores CII cercanos a cero como baja desigualdad y valores cercanos a −1 o +1 como un aumento de la desigualdad relativa, consistente con los métodos estándar de economía sanitaria19.
  4. Estima la incertidumbre para métricas de desigualdad.
    1. Para la SII, derivar intervalos de confianza del 95% a partir del modelo de regresión ponderada utilizando pesos poblacionales a nivel de país.
    2. Para CII, estimar intervalos de confianza del 95% usando remuestreo bootstrap de países y territorios con reemplazo.
    3. Cuando haya extracciones posteriores disponibles, repita los cálculos SII y CII entre los extractos y reporta los percentiles 2,5 y 97,5 como intervalos de incertidumbre.

7. Modelado bayesiano de periodos de edad y cohortes

  1. Prepara los datos de entrada para la proyección.
    1. Organizar las muertes específicas por edad, los DALYs y los datos poblacionales correspondientes por grupo de edad de 5 años y año natural desde 1990 hasta 2021.
    2. Asegurar la coherencia de las definiciones por grupos de edad y los intervalos de tiempo a lo largo de todo el periodo de observación.
  2. Aplicar el modelo bayesiano de periodo-cohorte20.
    1. Importar los conjuntos de datos específicos de carga y población por edad en R utilizando un marco bayesiano de modelado de periodos de edad y cohortes.
    2. Especificar los efectos de edad, periodo y cohorte como efectos aleatorios estructurados, utilizando priores de segundo orden por caminata aleatoria para suavizar grupos de edad, periodos del calendario y cohortes de nacimiento adyacentes.
    3. Genera estimaciones posteriores de tasas específicas por edad y luego calcula el ASMR y ASDR proyectados utilizando la población estándar GBD 2021.
    4. Evalúa el ajuste del modelo comparando estimaciones ajustadas con las estimaciones observadas durante el periodo histórico.
    5. Realizar la validación interna reteniendo los años observados más recientes, ajustando el modelo y comparando estimaciones predichas con valores observados.
  3. Genera proyecciones futuras.
    1. Pronostic tasas de mortalidad estandarizadas por edad y tasas DALYs estandarizadas por edad para neoplasias atribuibles a baja actividad física entre 2022 y 2045.
    2. Extrae estimaciones medias a posteriori y los correspondientes intervalos de incertidumbre del 95% para todos los resultados proyectados. Evalúa la incertidumbre de proyección utilizando intervalos posteriores del 95% de incertidumbre e interpreta estimaciones más alejadas del periodo observado con creciente precaución.
    3. Exporta los resultados de las proyecciones para visualización e informes.

8. Análisis estadístico

  1. Realiza un análisis estadístico general.
    1. Importa todos los conjuntos de datos limpios al software R (versión 4.4.2).
    2. Utiliza el software R para realizar todos los análisis estadísticos y generar cifras y tablas.
    3. Establezca la significación estadística en un valor p bilateral inferior a 0,05 para todos los análisis.
  2. Realizar análisis especializados de GBD.
    1. Importar conjuntos de datos con formato GBD en JD_GBDR software (versión 2.37.1).
    2. Utiliza el software JD_GBDR para realizar cálculos de carga de enfermedades, análisis de descomposición y visualizaciones estandarizadas de tasas según las convenciones analíticas del GBD.
  3. Realizar análisis de regresión de puntos de unión.
    1. Descargue e instale el Programa de Regresión Joinpoint (versión 5.3.0) desde la página web del Instituto Nacional del Cáncer (https://surveillance.cancer.gov/joinpoint/download).
    2. Importar conjuntos de datos de tasas de mortalidad estandarizadas por edad y DALYs estandarizados por edad en el software Joinpoint.
    3. Seleccione un modelo de regresión log-lineal y ejecute un análisis de regresión de puntos de unión para evaluar tendencias temporales, siguiendo la metodología del Programa de Regresión de Punto de Unión.
    4. Estimaciones de tendencias de exportación, incluyendo el cambio porcentual anual y el cambio porcentual medio anual, con intervalos de confianza correspondientes del 95%.
      NOTA: Todos los análisis se realizaron utilizando la versión 4.4.2 del software R, la versión 5.3.0 del Programa de Regresión de Punto de Unión, y JD_GBDR versión 2.37.1. Los principales entornos analíticos incluyeron modelos EAPC log-lineales, regresión de puntos de unión con 0–6 puntos de unión seleccionados por el Criterio de Información Bayesiano basado en datos, descomposición en componentes de envejecimiento, crecimiento poblacional y cambio epidemiológico, regresión ponderada para SII, remuestreo bootstrap o extraciones posteriores para incertidumbre CII, y proyección bayesiana de periodo de edad-cohorte hasta 2045.

Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.

Resultados

La implementación exitosa de este protocolo debería generar un conjunto completo de estimaciones armonizadas derivadas del GBD entre ubicaciones, años, sexos, grupos de edad, medidas y métricas predefinidas. Los resultados esperados incluyen estimaciones de carga estandarizadas por edad y específicas por edad con intervalos de incertidumbre del 95%, estimaciones de tendencias de EAPC y puntos de unión, componentes de descomposición, métricas de desigualdad SII y CII, y proyecciones basad...

Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.

Discusión

Este análisis GBD 2021 muestra dos patrones contrastantes en la baja carga de neoplasia atribuible a la actividad física. Mientras que ASMR y ASDR para neoplasias atribuibles a LPA disminuyeron significativamente entre 1990 y 2021 (ASMR = -19,72%; ΔASDR = -18,51%), las muertes absolutas y los DALYs aumentaron un 95,73% y un 84,79%, respectivamente. El aumento de la carga absoluta a pesar de la disminución de las tasas estandarizadas por edad se explicaba principalmente por el crecimiento...

Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.

Divulgaciones

Los autores no tienen nada que revelar.

Agradecimientos

Reconocemos a los colaboradores del Estudio Global de Carga de Enfermedades (GBD 2021) por sus contribuciones a las neoplasias atribuibles a la epidemiología de la LPA, facilitadas por los datos de acceso abierto del Institute for Health Metrics and Evaluation (IHME). Este trabajo recibió apoyo de Jingding Medical Tech (que proporciona autorización JD_GBDR software y procesamiento de datos clave), con servicios de edición de idiomas de Home for Researchers (www.home-for-researchers.com). Este trabajo fue apoyado por el Proyecto de Desarrollo de Ciencia y Tecnología de la Medicina Tradicional China de la Provincia de Jiangsu (QN202513) y el Proyecto del Fondo de Investigación Interna del Segundo Hospital Afiliado de la Universidad de Medicina China de Nankín (SEZRC202504, SEZJY202505).

Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.

Materiales

Lista de materiales utilizados en este artículo
NombreEmpresaNúmero de catálogoComentarios
Bayesian Age-Period-Cohort (BAPC) R PackageR Foundation / CRAN Repository https://cran.r-project.org/Utilizado para análisis de proyección Bayesiana de edad-período-cohorte. 
Archivos de datos CSVInstitute for Health Metrics and Evaluation (IHME)N/AConjuntos de datos de carga exportados de la Herramienta de Resultados GBD 2021 para análisis posterior.
Paquete R dplyrR Foundation / CRAN Repositoryhttps://cran.r-project.org/package=dplyrUtilizado para manipulación y limpieza de datos en R.
Herramienta de Fuentes de Datos de Entrada GBD 2021Institute for Health Metrics and Evaluation (IHME)https://ghdx.healthdata.org/gbd-2021Repositorio público para documentación de fuentes GBD.
Paquete R ggplot2R Foundation / CRAN Repositoryhttps://cran.r-project.org/package=ggplot2Utilizado para visualización gráfica de tendencias temporales y análisis de desigualdad. 
Herramienta de Resultados GBD 2021Institute for Health Metrics and Evaluation (IHME)https://vizhub.healthdata.org/gbd-results/Base de datos pública utilizada para la extracción de datos de muertes, DALYs, ASMR y ASDR. 
Paquete R INLAR-INLA Projecthttps://www.r-inla.org/Utilizado para inferencia Bayesiana dentro del modelado de edad-período-cohorte. 
Software JD_GBDRJingding Medical Technology Co., Ltd.Versión 2.37.1Utilizado para estimación de carga GBD, análisis de descomposición y visualización de tasas estandarizadas.
Programa de Regresión Joinpoint (Versión 5.3.0)National Cancer Institute (NCI)https://surveillance.cancer.gov/joinpoint/downloadUtilizado para análisis de regresión de puntos de inflexión, estimación APC y AAPC. 
Microsoft ExcelMicrosoft Corporationhttps://www.microsoft.com/excelUtilizado para organizar y limpiar conjuntos de datos CSV extraídos antes del análisis. 
Estación de trabajo de computadora personalCualquier estación de trabajo informática estándarN/AMínimo recomendado: 8 GB de RAM, Windows 10/11 o macOS para análisis estadísticos y proyecciones.
Software estadístico R (Versión 4.4.2)R Foundation for Statistical Computinghttps://www.r-project.org/Utilizado para análisis estadístico, cálculo EAPC, análisis de desigualdad, visualización y modelado Bayesiano de edad-período-cohorte. 
RStudio DesktopPosit Software, PBChttps://posit.co/download/rstudio-desktop/Entorno de desarrollo integrado para análisis R.  

Referencias

  1. Bray, F., et al. Global cancer statistics 2022: GLOBOCAN estimates of incidence and mortality worldwide for 36 cancers in 185 countries. CA Cancer J Clin. 74 (3), 229-263 (2024).
  2. Liang, M., Pan, Y., Zhong, T., Zeng, Y., Cheng, A. S. K. Effects of aerobic, resistance, and combined exercise on metabolic syndrome parameters and cardiovascular risk factors: a systematic review and network meta-analysis. Rev Cardiovasc Med. 22 (4), 1523-1533 (2021).
  3. Man, J., et al. Spatiotemporal trends of colorectal cancer mortality due to low physical activity and high body mass index from 1990 to 2019. Front Med. 8, 800426(2021).
  4. Saqib, Z. A., et al. Physical activity is a medicine for noncommunicable diseases: a survey study regarding the perception of physical activity impact on health wellbeing. Risk Manag Healthc Policy. 13, 2949-2962 (2020).
  5. GBD 2021 Risk Factors Collaborators. Global burden and strength of evidence for 88 risk factors in 204 countries and 811 subnational locations, 1990-2021. Lancet. 403 (10440), 2162-2203 (2024).
  6. Strain, T., et al. National, regional, and global trends in insufficient physical activity among adults from 2000 to 2022. Lancet Glob Health. 12 (8), e1232-e1243 (2024).
  7. Moore, S. C., et al. Association of leisure-time physical activity with risk of 26 types of cancer. JAMA Intern Med. 176 (6), 816-825 (2016).
  8. Guthold, R., Stevens, G. A., Riley, L. M., Bull, F. C. Worldwide trends in insufficient physical activity from 2001 to 2016. Lancet Glob Health. 6 (10), e1077-e1086 (2018).
  9. Sustainable Development Goals. , United Nations Development Programme. Available from: https://www.undp.org/sustainable-development-goals (2022).
  10. GBD 2021 Causes of Death Collaborators. Global burden of 288 causes of death and life expectancy decomposition, 1990–2021. Lancet. 403 (10440), 2100-2132 (2024).
  11. Martincorena, I., Campbell, P. J. Somatic mutation in cancer and normal cells. Science. 349 (6255), 1483-1489 (2015).
  12. Jetté, M., Sidney, K., Blümchen, G. Metabolic equivalents (METS) in exercise testing and prescription. Clin Cardiol. 13 (8), 555-565 (1990).
  13. Zhang, J., et al. Global burden of cardiovascular diseases and type 2 diabetes attributable to low physical activity. Front Cardiovasc Med. 10, 1247705(2023).
  14. GBD 2015 Healthcare Access and Quality Collaborators. Healthcare access and quality index based on mortality from amenable causes. Lancet. 390 (10091), 231-266 (2017).
  15. GBD 2019 Diseases and Injuries Collaborators. Global burden of 369 diseases and injuries, 1990–2019. Lancet. 396 (10258), 1204-1222 (2020).
  16. Zhao, G., et al. Global burden of osteoarthritis associated with high body mass index. Endocrine. 79 (1), 60-71 (2023).
  17. Tuo, Y., et al. Global, regional, and national burden of thalassemia, 1990–2021. EClinicalMedicine. 72, 102619(2024).
  18. Liu, C., et al. Global burden of liver cancer due to non-alcoholic steatohepatitis. J Gastroenterol. 58 (12), 1222-1236 (2023).
  19. Cao, F., et al. Global burden and cross-country inequalities in autoimmune diseases. Autoimmun Rev. 22 (6), 103326(2023).
  20. Chen, J., et al. Global burden of noncommunicable diseases attributable to kidney dysfunction. Chin Med J (Engl). 138 (11), 1334-1344 (2024).
  21. Wu, Z., Xia, F., Lin, R. Global burden of cancer and associated risk factors in 204 countries and territories, 1980–2021. J Hematol Oncol. 17 (1), 119(2024).
  22. Hurvitz, S. A., et al. Trastuzumab deruxtecan versus trastuzumab emtansine in HER2-positive metastatic breast cancer. Lancet. 401 (10371), 105-117 (2023).
  23. Basu, P., et al. Status of implementation and organization of cancer screening in the European Union Member States. Int J Cancer. 142 (1), 44-56 (2018).
  24. An, L., et al. Trends of robotic-assisted surgery for thyroid, colorectal, stomach and hepatopancreaticobiliary cancer. Asian J Surg. 44 (1), 199-205 (2021).
  25. Seong, M., Kim, Y., Park, S., Kim, H., Kwon, O. Association between diet quality and cardiorespiratory fitness in Korean adults. Nutrients. 12 (11), 3226(2020).
  26. World Health Organization. WHO Guidelines on Physical Activity and Sedentary Behaviour. , World Health Organization. Geneva. (2020).
  27. World Health Organization. Noncommunicable Diseases Progress Monitor 2022. , World Health Organization. Geneva. (2022).
  28. Nunez, C., Bauman, A., Egger, S., Sitas, F., Nair-Shalliker, V. Obesity, physical activity and cancer risks. Cancer Epidemiol. 47, 56-63 (2017).
  29. Abdel-Wahab, M., et al. Status of radiotherapy resources in Africa. Lancet Oncol. 14 (4), e168-e175 (2013).
  30. Sallis, J. F., et al. Progress in physical activity over the Olympic quadrennium. Lancet. 388 (10051), 1325-1336 (2016).
  31. Popkin, B. M., Adair, L. S., Ng, S. W. Global nutrition transition and the pandemic of obesity. Nutr Rev. 70 (1), 3-21 (2012).
  32. Porcherie, M., et al. Relationship between urban green spaces and cancer. Int J Environ Res Public Health. 18 (4), 1751(2021).
  33. Rushton, L. Health impact of environmental tobacco smoke in the home. Rev Environ Health. 19 (3-4), 291-310 (2021).
  34. Li, Y., et al. Global burden of female breast cancer: age–period–cohort analysis. Front Oncol. 12, 891824(2022).
  35. Nelson, S. H., et al. Impact of very low physical activity, BMI, and comorbidities on mortality among breast cancer survivors. Breast Cancer Res Treat. 155 (3), 551-557 (2016).
  36. Wu, Y., Zhang, D., Kang, S. Physical activity and risk of breast cancer: a meta-analysis. Breast Cancer Res Treat. 137 (3), 869-882 (2013).
  37. de Boer, M. C., Wörner, E. A., Verlaan, D., van Leeuwen, P. A. M. Mechanisms and effects of physical activity on breast cancer. Clin Breast Cancer. 17 (4), 272-278 (2017).
  38. Abbasi, I. N. Socio-cultural barriers to attaining recommended physical activity among females. Quest. 66 (4), 448-467 (2014).
  39. Giovannucci, E. Molecular biologic and epidemiologic insights for preventability of colorectal cancer. J Natl Cancer Inst. 114 (5), 645-650 (2022).
  40. la Torre, A., Lo Vecchio, F., Greco, A. Epigenetic mechanisms of aging and aging-associated diseases. Cells. 12 (8), 1163(2023).
  41. Courties, A., Kouki, I., Soliman, N., Mathieu, S., Sellam, J. Osteoarthritis year in review 2024. Osteoarthritis Cartilage. 32 (11), 1397-1404 (2024).
  42. Cruz-Jentoft, A. J., et al. Sarcopenia: revised European consensus on definition and diagnosis. Age Ageing. 48 (4), 601(2019).
  43. Bray, F., Jemal, A., Grey, N., Ferlay, J., Forman, D. Global cancer transitions according to the Human Development Index. Lancet Oncol. 13 (8), 790-801 (2012).
  44. Gautam, S., BNK,, Akashanand,, Roy, A., Banandur, P. S., et al. Assessment of resources for physical activity in an Indian city. BMC Public Health. 23 (1), 1969(2023).
  45. Global Burden of Disease Health Financing Collaborator Network. Past, present, and future of global health financing, 1995–2050. Lancet. 393 (10187), 2233-2260 (2019).
  46. Friedenreich, C. M., Neilson, H. K., Farris, M. S., Courneya, K. S. Physical activity and cancer outcomes. Clin Cancer Res. 22 (19), 4766-4775 (2016).
  47. Gaitonde, R., San Sebastian, M., Muraleedharan, V. R., Hurtig, A. K. Community action for health in India's National Rural Health Mission. Soc Sci Med. 188, 82-90 (2017).
  48. Gabarron, E., Larbi, D., Rivera-Romero, O., Denecke, K. Human factors in AI-driven digital solutions for increasing physical activity. JMIR Hum Factors. 11, e55964(2024).
  49. GBD 2019 Risk Factors Collaborators. Global burden of 87 risk factors, 1990–2019. Lancet. 396 (10258), 1223-1249 (2020).
  50. Moradi, T., et al. Breast cancer risk and lifetime physical activity. Cancer Causes Control. 11 (6), 523-531 (2000).

Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.

Reimpresiones y permisos

Etiquetas

MedicinaNúmero 234Número 234Valor vacíoNúmerocarga mundial de morbilidadÍndice SociodemográficoDesigualdad sanitaria
Contáctenos
Recomendar a la biblioteca

Privacidad

Términos de uso

Políticas

Copyright © 2026 MyJoVE Corporation. Todos los derechos reservados.