Для просмотра этого контента требуется подписка на JoVE. Войдите или начните свой бесплатный пробный период.

Методическая статья

Аналитический рабочий процесс на основе GBD 2021 для оценки глобальной нагрузки на новообразования, вызванный низкой физической активностью

90 просмотров

⸱

DOI:

10.3791/70495

⸱

7 августа 2026 г.

 ,  , 
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

В этой статье

Краткое содержание

Этот протокол демонстрирует воспроизводимый рабочий процесс для извлечения, обработки, анализа и визуализации оценок по GBD 2021 новообразования, вызванных низкой физической активностью. Рабочий процесс позволяет исследователям оценивать индикаторы бремени, временные тенденции, компоненты разложения, социально-экономические неравенства и модельные прогнозы с использованием стандартизированных данных на уровне населения.

Аннотация

Этот протокол описывает воспроизводимый аналитический рабочий процесс для оценки глобального бремени новообразования, вызванного низкой физической активностью, с использованием данных Global Burden of Disease 2021. Рабочий процесс включает извлечение данных из инструмента GBD Results Tool, определение допустимых исходов и категорий воздействия, оценку смертей, возрастные годы жизни с учётом инвалидности и возрастные стандартизированные показатели, анализ временных тенденций с использованием предполагаемого годового процентного изменения и регрессии точек соединения, анализ разложения, оценку социально-экономического неравенства и байесовскую прогноз возрастных периодов когорты. Протокол также описывает, как интерпретировать интервалы неопределённости, компоненты разложения и метрики неравенства в контексте моделируемых оценок на уровне популяции. В качестве репрезентативного применения рабочий процесс применялся к колоректальному раку и женскому раку молочной железы, обусловленном низкой физической активностью в 204 странах и территориях с 1990 по 2021 год, с прогнозами до 2045 года. Этот протокол может быть адаптирован для других пар риск-результат GBD, когда исследователям необходим структурированный подход к оценке риск-атрибутивной нагрузки, характеристики тенденций, оценки неравенства и анализа прогнозов.

Введение

Новообразования представляют собой значительную категорию неинфекционных заболеваний (НЗ), способствующих глобальной смертности и инвалидности, что представляет собой критическую проблему общественного здравоохранения во всём мире. Данные Globocan 2022 выявили 19,96 миллиона новых случаев новообразования и 9,74 миллиона смертей во всём мире, при этом основными видами злокачественных заболеваний являются рак лёгких, молочной железы (женский) и колоректальный рак. Прогнозируемая заболеваемость раком достигнет 35 миллионов ежегодно к 2050 году (рост на 77% по сравнению с 2022 годом), при этом страны с низкими баллами по Индексу человеческого развития (ИЧР) переживут скачок на 142%, вызванный демографическими переходами. Демографическое расширение, старение населения, недостаток скрининговых систем и ограниченный доступ к лечению в регионах с низким ИЧР определяют эти тенденции, создавая необходимость справедливого распределения глобальных онкологическихресурсов 1.

Низкая физическая активность (ЛПА) — это установленный модифицируемый фактор для тяжёлых НЗ, охватывающий злокачественные опухоли, метаболические нарушения и нейропсихиатрическиесостояния 2,3,4. LPA представляет собой значительную глобальную нагрузку для здоровья, демонстрируя рост распространённости по возрасту на 6,6% с 2000 года и внося вклад в 7,2% мировой смертности от всех причин в 2022году 5,6. Умеренная физическая активность (ПА) обеспечивает значительную защиту от рака молочной железы (СР 0,90; 95% ДИ: 0,87–0,93), толстой кишки (СР 0,84; 95% ДИ: 0,77–0,91) и рака прямой кишки (СР 0,87; 95% ДИ: 0,80–0,95), с параллельным снижением смертности, специфичной для локализации7. Для продвижения важных ПА во всем мире многие страны и регионы разработали национальные рекомендации по ПА, адаптированные к их конкретным контекстам (например, Канада, Великобритания и США), которые были широко распространены через такие организации, как Всемирная организация здравоохранения (ВОЗ) и Европейский союз. К сожалению, только 72,5% взрослых во всём мире достигают минимальных рекомендуемых уровней PA, указанных в рекомендациях общественногоздравоохранения 8.

Снижение нагрузки неоплазм, связанной с низкой физической активностью, является ключевым фактором для достижения цели Цели устойчивого развития ООН (ЦУР) 2030 года: снижение на одну треть преждевременной смертности от НЗ посредством профилактики иухода. Сбор надёжных доказательств для разъяснения связи между LPA и новообразованиями крайне важен для формирования будущей политики в области здравоохранения. Глобальное исследование бремени болезней, травм и факторов риска 2021 года (GBD 2021) предоставляет сопоставимые оценки смертности, лет жизни с учётом инвалидности (DALYs) и рискованного бремени на уровне населения в 204 странах и территориях с 1990 по 2021 год с использованием стандартизированных эпидемиологических подходов. В GBD 2021 оценки болезней и травм охватывают 371 заболевание и травму, а анализ факторов риска оценивает воздействие, относительный риск, популяционные доли и приписываемое бремя для 88 факторовриска 10. Однако меньше исследований предоставили поэтапный и воспроизводимый рабочий процесс для извлечения данных о неоплазмах GBD 2021, связанных с низкой физической активностью, и применения анализа тенденций, разложения, неравенства и проекций в рамках единого протокола. В этой рукописи рассматривается этот методологический пробел, подробно описывая извлечение данных, определение переменных, статистическое моделирование и процедуры интерпретации для конкретной пары риск-результат GBD. Этот протокол описывает воспроизводимый вторичный анализ оценок по GBD 2021 по неоплазмам, обусловленным низкой физической активностью, в 204 странах и территориях с 1990 по 2021 год, с прогнозами до 2045 года. Цели заключались в количественной оценке смертей, DALY, возрастных стандартизированных показателей, временных тенденций, компонентов разложения, социально-экономических неравенств и прогнозируемой нагрузки, без выводов причинности на индивидуальном уровне или прямых эффектов вмешательства.

Этот рабочий процесс был выбран потому, что он интегрирует несколько взаимодополняющих аналитических компонентов в единую воспроизводимую структуру. По сравнению с исследованиями, которые сообщают только описательные оценки GBD или одиночные метрики тренда, этот протокол объединяет оценку нагрузки, EAPC, регрессию точек соединения, анализ декомпозиции, оценку неравенства и прогноз BAPC, позволяя пользователям изучать не только масштаб бремени, но и временные изменения, демографические факторы, социально-экономические градиенты и будущие тенденции. Протокол применим к исследователям, проводящим вторичный анализ оценок риска GBD, особенно если цель состоит в сравнении закономерностей бремени по времени, полу, возрастным группам, странам, регионам или категориям SDI.

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Протокол

В этом исследовании использовались общедоступные, деидентифицированные оценки GBD 2021 года на уровне популяции. Данные участников индивидуального уровня не были доступны. Исследование GBD 2021 получило освобождение от информированного согласия от Институционального обзорного совета Университета Вашингтона; Поэтому для этого вторичного анализа не требовалось дополнительное институциональное этическое одобрение.

ПРИМЕЧАНИЕ: Этот протокол описывает воспроизводимый рабочий процесс для проведения вторичного анализа оценок по GBD 2021 поновообразованиям 11 , обусловленным низкой физической активностью. Рабочий процесс включает извлечение данных, определение переменных, оценку нагрузки, анализ временных тенденций, анализ разложения, оценку неравенства и байесовскую прогнозировку возрастных периодов когорты. Результаты представлены для иллюстрации применения протокола, а не для установления первичной причинно-следственной связи. Аналитический рабочий процесс состоял из шести последовательных этапов: извлечение оценок GBD 2021, определение воздействия, исходов заболеваний и стратей SDI, оценка смертности, DALY, стандартизированного возрастного уровня смертности (ASMR) и возрастно-стандартизированного уровня DALY (ASDR), анализ временных тенденций с использованием оценочного годового процентного изменения (EAPC) и анализа регрессии, декомпозиции и неравенства, а также баесовского прогноза возрастных периодов когорты до 2045 года. Каждый результат и цифра были получены на основе одного из связанных аналитических шагов.

1. Идентификация и доступ к источникам данных

  1. Получите доступ к инструменту Global Burden of Disease (GBD) Results Tool 2021.
    1. Откройте веб-браузер и перейдите к инструменту Global Burden of Disease Results Tool на сайте https://vizhub.healthdata.org/gbd-results/.
    2. Выберите GBD 2021 в качестве версии исследования из доступных опций набора данных.
    3. Выберите факторы риска в меню иерархии причин.
  2. Определите исходы заболевания и факторы риска.
    1. Выберите новообразования в категорию заболеваний.
    2. Выбирайте низкую физическую активность как фактор риска.
    3. Выберите смертность и годы жизни, скорректированные по инвалидности (DALYs), как показатели результата.
  3. Укажите население, географию и временной период.
    1. Выберите оба пола — мужского и женского — отдельно для анализа, специфичных по полу.
    2. Выберите все доступные возрастные группы ≥25 лет.
    3. Выберите все 204 страны и территории.
    4. Определите период анализа с 1990 по 2021 год.
  4. Извлекать стандартизированные по возрасту показатели результатов.
    1. Включить возрастную стандартизацию с использованием стандартного населения GBD 2021.
    2. Выберите стандартизированную возрастную смертность (ASMR) и стандартизированные по возрасту показатели DALY (ASDR ) в качестве выходных переменных.
    3. Включить 95% интервалы неопределённости (UI) для всех извлечённых оценок.
    4. Экспортировать извлеченные данные в формате CSV для дальнейшего анализа.
    5. Для воспроизводимости используйте следующие выборы инструмента результатов GBD: версия исследования: GBD 2021; Контекст: факторы риска; риск: низкая физическая активность; причина: новообразования; показатели: смерти и DALYs; метрики: количество и скорость; возрастные группы: стандартизированные по возрасту и все доступные возрастные группы по 5 лет ≥ 25 лет; полы: и мужчины, и женщины; локации: глобальный, 21 регион GBD, регионы SDI и 204 страны и территории; Годы: 1990–2021.
    6. Экспортировать среднюю оценку, меньший интервал неопределённости и верхний интервал неопределённости для каждого слоя в формате CSV.
  5. Получите данные по социодемографическому индексу (SDI), стратифицированные.
    1. Обеспечить стратификацию по социодемографическому индексу (SDI).
    2. Извлечь специфические для SDI данные ASMR и ASDR для сравнительного анализа.
  6. Доступ к базовым источникам данных.
    1. Перейдите к инструменту ввода данных GBD 2021 по адресу https://ghdx.healthdata.org/gbd-2021.
    2. Проверять общедоступную документацию, описывающую первичные источники данных, включая системы регистрации актов граждан, опросы населения, медицинские записи и реестры заболеваний.

2. Определение ключевых переменных и критериев классификации.

  1. Определите неоплазмы.
    1. Определите новообразования как злокачественные опухоли согласно иерархии причин Global Burden of Disease (GBD) 2021.
    2. Включают только злокачественные новообразования, характеризующиеся неконтролируемой клеточной пролиферацией, вызванной генетической и эпигенетической дисрегуляцией.
    3. Исключить доброкачественные опухоли из всех анализов.
  2. Что значит низкая физическая активность?
    1. Определите интенсивность физической активности с помощью метаболического эквивалента значений задачи (MET), где 1 MET равен потреблению кислорода 3,5 мл O₂/kg/мин в состоянии покоя.
    2. Рассчитывайте еженедельный уровень физической активности, используя общее количество минут MET-минут в неделю.
    3. Классифицируем уровни физической активности в четырекатегории 12,13:
      Менее 600 минут MET-минут в неделю.
      600–3 999 минут MET-минут в неделю.
      4 000–7 999 MET-минут в неделю.
      8 000 и более минут MET-минут в неделю.
    4. Определите низкую физическую активность как менее 4000 минут MET-минут в неделю, что соответствует методологии атрибуции риска GBD 2021.
      ПРИМЕЧАНИЕ: Этот порог был заимствован из определения атрибуции риска GBD 2021 года и не был выбран de novo в настоящем исследовании. Он использовался для поддержания согласованности с рамочной структурой сравнительной оценки риска GBD и сопоставимости с другими оценками, основанными на GBD.
  3. Определите SDI.
    1. Определим SDI как составный индикатор в диапазоне от 0 до 1.
    2. Рассчитайте SDI с использованием геометрического среднего стандартизированного дохода на душу населения, образовательных уровней и коэффициента рождаемости у лиц младше 25 лет.
    3. Классифицируйте страны и регионы на пять категорийSDI 14: Низкая, Нижняя-Средняя, Средняя, Высокая-средняя и Высокая.
    4. Назначить страны одному из 21 региона GBD на основе стратификации СОО.
  4. Определите неоплазмы, обусловленные низкой физической активностью.
    1. Определить новообразования, связанные с низкой физической активностью, с помощью сравнительной оценки риска GBD 2021.
      1. В рамках этой схемы операционализировать нагрузку с низкой физической активностью, относимую к ним нагрузку, объединяя распределения воздействия, относительные риски и исход и теоретический минимальный уровень риска для оценки долей населения. Затем применяйте это к смертям и DALY для допустимых исходов по новообразованию.
    2. Включайте колоректальный рак и женский рак молочной железы как результаты новообразования, обусловленные низкой физической активностью.
      ПРИМЕЧАНИЕ: Таким образом, в данном исследовании новообразования, обусловленные низкой физической активностью , относятся только к колоректальному раку и женскому раку молочной железы, как определено в сравнительной оценке риска GBD 2021, а не ко всем злокачественным опухолям.

3. Оценка глобальной нагрузки на новообразования, обусловленную низкой физической активностью.

  1. Извлекайте индикаторы бремени болезней.
    1. Импортные данные о смертности и годах жизни с учётом инвалидности (DALYs) для новообразования, обусловленных низкой физической активностью, из Инструмента результатов Global Burden of Disease (GBD) 2021 года, согласно стандартной сравнительной оценке риска GBD.
    2. Извлекать возрастно-стандартизированные показатели смертности (ASMR) и возрастно-стандартизированные показатели DALY (ASDR) на 100 000 населения с использованием стандартного населения GBD 2021.
    3. Сохранять соответствующие интервалы неопределённости в 95% для всех извлеченных оценок, предусмотренных методологией GBD 2021.
  2. Рассчитайте годы жизни с учётом инвалидности.
    1. Определите годы жизни с учётом инвалидности (DALYs) как сумму лет потерянной жизни (YLL) и лет жизни с инвалидностью (YLDs), следуя стандартным определениям GBD.
    2. Вычислите YLL, умножая возрастно-специфическую смертность на эталонную продолжительность жизни, указанную в таблице жизни GBD 2021.
    3. Рассчитывайте YLD, умножая случаи инцидентов на специфические для заболевания весы инвалидности и продолжительность заболевания, как описано в методологии GBD.
    4. Проверьте, что рассчитанные значения DALY соответствуют оценкам GBD 2021 года.

4. Анализ временных тенденций

  1. Оценка годового процентного изменения— 15,16.
    1. Импортировать данные ASMR и ASDR в программное обеспечение R (версия 4.4.2).
    2. Применить естественное логарифмическое преобразование к возрастно-стандартизированным скоростям.
    3. Адаптировать линейные регрессионные модели с календарным годом как независимой переменной для оценки временных тенденций, следуя установленным методам эпидемиологического анализа тенденций.
    4. Рассчитайте оценочное годовое процентное изменение (EAPC) по наклону регрессии с использованием стандартного экспоненциального преобразования.
    5. Классифицировать тенденции как растущие, убывающие или стабильные в зависимости от того, является ли 95% доверительный интервал EAPC выше, ниже или включает ноль.
  2. Проведите регрессионный анализ точки соединения.
    1. Откройте регрессионную программу Joinpoint (версия 5.3.0; Национальный институт рака).
    2. Импортируйте наборы данных ASMR и ASDR в программное обеспечение.
    3. Выберите лог-линейную регрессионную модель для анализа трендов, в соответствии с методологическими руководящими принципамиJoinpoint 17.
    4. Укажите минимум 0 и максимум 6 точек соединения.
    5. Выберите метод Байесовского информационного критерия (BIC ) с взвешенной оптимизацией BIC для определения оптимальных точек соединения.
      1. Выберите максимум шесть точек соединения в зависимости от продолжительности годового временного ряда с 1990 по 2021 год и стандартных рекомендаций программы регрессии Joinpoint.
      2. Определите окончательное количество точек соединения с помощью BIC, основанного на данных.
    6. Проведите анализ для расчёта годового процентного изменения (APC) и среднегодового процентного изменения (AAPC) с доверительными интервалами 95%. Для слоёв с редкими данными или нестабильными годовыми оценками сегментно-специфические APC интерпретировались осторожно и не подчёркивались, если только подходящая тенденция не поддерживалась соответствующими интервалами неопределённости и не была эпидемиологически правдоподобной.
    7. Экспортировать результаты APC и AAPC для дальнейшего анализа.
      ПРИМЕЧАНИЕ: EAPC и регрессия по точкам соединения использовались для разных целей. EAPC предоставил единую сводную оценку среднего логарифмического тренда за 1990–2021 годы, тогда как регрессия в точке соединения выявила календарные периоды смещения скорости изменения и оценила сегментно-специфичные APC. Поэтому EAPC использовался для общего сравнения между пластами, а регрессия по точкам соединения — для описания временных схем перегиба.

5. Анализ декомпозиции

  1. Подготовьте входы для декомпозиции.
    1. Стратифицируйте данные о смертности и DALY по возрастной группе, календарному году и географическому региону.
    2. Импортировать стратифицированные наборы данных в JD_GBDR программное обеспечение (версия 2.37.1).
  2. Проведите анализ декомпозиции.
    1. Разложить изменения смертности и DALY между выбранными временными точками на компоненты старения, роста популяции и эпидемиологических изменений с использованием устоявшихся методовразложения 18.
    2. Количественно оценить вклад каждого компонента в общие изменения бремени болезней.
      1. Интерпретируем процентные вклады как пропорциональный вклад старения, роста населения и эпидемиологических изменений к чистому изменению смертности (DALY) между двумя временными точками.
      2. Значения превышающие 100% или отрицательные значения могут возникать, когда один компонент увеличивает нагрузку, а другой его компенсирует; интерпретировать такие значения как эффекты математического разложения, а не прямые биологические эффекты.
    3. Результаты декомпозиции экспорта для глобальных, SDI-уровней и региональных анализов GBD.

6. Анализ неравенства в здравоохранении

  1. Подготовьте данные для оценки неравенства.
    1. Ранжуйте все страны и территории по их значениям SDI от самого низкого к высокому.
    2. Импортировать ASMR и ASDR в программное обеспечение R (версия 4.4.2).
  2. Рассчитайте индекс неравенства наклона.
    1. Присваивать относительный социально-экономический ранг каждой стране на основе совокупного распределения населения по стратам SDI.
    2. Подбирайте взвешенную линейную регрессионную модель с ASMR или ASDR в качестве зависимой переменной и относительным рангом SDI как независимой переменной.
    3. Вычислите индекс наклона неравенства (SII) как абсолютную разницу в нагрузке на болезни между верхними и нижними пределами градиента SDI, следуя установленной методологии анализа неравенства.
  3. Рассчитайте индекс концентрации.
    1. Постройте кривые концентрации, построив накопленные пропорции ASMR или ASDR с накопительными пропорциями популяции, ранжированными по SDI.
    2. Вычислите индекс концентрации (CII) как вдвое превышающую площадь между кривой концентрации и линией равенства.
    3. Интерпретировать значения CII, близкие к нулю, как низкое неравенство, а значения, приближающиеся к −1 или +1, как растущее относительное неравенство, что соответствует стандартным методам экономикиздравоохранения 19.
  4. Оценка неопределённости для метрик неравенства.
    1. Для SII выведите 95% доверительные интервалы из взвешенной регрессионной модели, используя массы населения на уровне страны.
    2. Для CII оценивайте 95% доверительные интервалы с помощью бутстрап-перевыборки стран и территорий с заменой.
    3. Когда доступны апостериорные доборы, повторяйте расчёты SII и CII между проборами и отражайте 2,5-й и 97,5-й процентили как интервалы неопределённости.

7. Байесовское моделирование возрастного периода и когорты

  1. Подготовьте входные данные для проекции.
    1. Организовать возрастные смерти, DALY и соответствующие данные о популяции по пятилетним возрастным группам и календарным годам с 1990 по 2021 год.
    2. Обеспечить согласованность определений возрастных групп и временных интервалов на протяжении всего периода наблюдения.
  2. Применим байесовскую возрастную когортную модель20.
    1. Импортировать возрастно-специфические наборы данных по нагрузке и популяции в R с использованием байесовской моделирования возрастных периодов и когортных моделей.
    2. Определите возрастные, периодические и когортные эффекты как структурированные случайные эффекты, используя априоры второго порядка случайной ходьбы для сглаживания соседних возрастных групп, календарных периодов и когорт рождения.
    3. Сгенерируйте постериорные оценки возрастных показателей, а затем рассчитывайте прогнозируемые ASMR и ASDR с использованием стандартной популяции GBD 2021.
    4. Оценивайте соответствие модели, сравнивая придерживаемые оценки с наблюдаемыми за исторический период.
    5. Проведите внутреннюю валидацию путём удержания последних наблюдаемых лет, перенастройки модели и сравнения прогнозируемых оценок с наблюдаемыми значениями.
  3. Генерируйте прогнозы на будущее.
    1. Прогнозируемые возрастные стандартизированные показатели смертности и возрастные показатели DALYs для новообразования, вызванных низкой физической активностью, с 2022 по 2045 год.
    2. Извлекать апостериорные средние оценки и соответствующие 95% интервалы неопределённости для всех прогнозируемых исходов. Оценивайте неопределённость проекции с помощью постериорных 95% интервалов неопределённости и с возрастающей осторожностью интерпретируют оценки, находящиеся дальше от наблюдаемого периода.
    3. Экспортируйте результаты прогнозирования для визуализации и отчетности.

8. Статистический анализ

  1. Проведите общий статистический анализ.
    1. Импортируйте все очищенные наборы данных в программное обеспечение R (версия 4.4.2).
    2. Используйте программное обеспечение R для проведения всех статистических анализов и создания рисунков и таблиц.
    3. Установите статистическую значимость при двухстороннем p-значении менее 0,05 для всех анализов.
  2. Проведите специализированные анализы GBD.
    1. Импортировать наборы данных, форматируемые в GBD, в JD_GBDR программное обеспечение (версия 2.37.1).
    2. Используйте программное обеспечение JD_GBDR для расчёта бремени заболеваний, анализа декомпозиции и стандартизированных визуализаций скорости в соответствии с аналитическими конвенциями GBD.
  3. Проведите регрессионный анализ точки соединения.
    1. Скачайте и установите программу регрессии Joinpoint (версия 5.3.0) с сайта Национального института рака (https://surveillance.cancer.gov/joinpoint/download).
    2. Импортируйте стандартизированные по возрасту уровень смертности и стандартизированные по возрасту наборы данных DALY в программное обеспечение Joinpoint.
    3. Выберите лог-линейную модель регрессии и выполните анализ регрессии по точкам соединения для оценки временных тенденций, следуя методологии программы регрессии Joinpoint.
    4. Оценки трендов экспорта, включая годовое и среднегодовое процентное изменение, с соответствующими 95% доверительными интервалами.
      ПРИМЕЧАНИЕ: Все анализы проводились с использованием версии программы R версии 4.4.2, регрессионной программы Joinpoint версии 5.3.0 и версии программы JD_GBDR 2.37.1. Основные аналитические настройки включали лог-линейные модели EAPC, регрессию точек соединения с 0–6 точками соединения, выбранных по Байесовскому информационному критерию, основанным на данных, разложение на компоненты старения, роста населения и эпидемиологических изменений, взвешенную регрессию для SII, бутстрэп-редискретирование или апостериорные отборы для неопределённости CII, а также байесовскую проекцию когорты по возрастному периоду до 2045 года.

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Результаты

Успешная реализация этого протокола должна обеспечить полный набор гармонизированных оценок, полученных из GBD, по заранее определённым местам, годам, полу, возрастным группам, показателям и метрикам. Ожидаемые результаты включают возрастно-стандартизированные и возрастно-специфичные оценки нагрузки с интервалами неопределённости 95%, оценки трендов EAPC и точки соединения, компоненты разложения, метрики неравенства SII и CII, а также прогнозы на основе BAPC с апостериорными интервалами ...

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Обсуждение

Этот анализ GBD 2021 показывает два противоположных паттерна низкой физической активности опухольной нагрузки. В то время как ASMR и ASDR для новообразований, связанных с LPA, значительно снизились с 1990 по 2021 год (ΔASMR = -19,72%; ΔASDR = -18,51%), абсолютная смертность и DALY увеличились на 95,73% и 84,79% соответственно. Рост абсолютного бремени, несмотря на снижение возрастных стандартизированных показателей, в основном объясняется ростом населения и старением. Снижение ASR может ...

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Раскрытие информации

Авторам нечего раскрывать.

Благодарности

Мы признаем признательность сотрудникам Global Burden of Disease Study (GBD 2021) за их вклад в изучение новообразований, связанных с эпидемиологией LPA, благодаря открытому доступу данных Института медицинских метрик и оценки (IHME). Эта работа получила поддержку от Jingding Medical Tech (предоставляющей авторизацию программного обеспечения JD_GBDR ключевую обработку данных), а также услуги по редактированию языка от Home for Researchers (www.home-for-researchers.com). Эта работа была поддержана Программой развития науки и технологий традиционной китайской медицины провинции Цзянсу (QN202513) и Проектом внутреннего исследовательского фонда Второй аффилированной больницы Нанкинского университета китайской медицины (SEZRC202504, SEZJY202505).

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Материалы

Список материалов, использованных в этой статье
ИмяКомпанияКаталожный номерКомментарии
Bayesian Age-Period-Cohort (BAPC) R PackageR Foundation / CRAN Repository https://cran.r-project.org/Используется для байесовских проекционных анализов возрастно-периодных когорт. 
CSV Data FilesInstitute for Health Metrics and Evaluation (IHME)N/AЭкспортированные наборы данных о нагрузке из инструмента GBD 2021 Results Tool для последующего анализа.
dplyr R PackageR Foundation / CRAN Repositoryhttps://cran.r-project.org/package=dplyrИспользуется для манипуляции данными и очистки в R.
GBD 2021 Data Input Sources ToolInstitute for Health Metrics and Evaluation (IHME)https://ghdx.healthdata.org/gbd-2021Открытое хранилище для исходной документации GBD.
ggplot2 R PackageR Foundation / CRAN Repositoryhttps://cran.r-project.org/package=ggplot2Используется для графической визуализации временных трендов и анализа неравенства. 
Global Burden of Disease (GBD) 2021 Results ToolInstitute for Health Metrics and Evaluation (IHME)https://vizhub.healthdata.org/gbd-results/Открытая база данных, используемая для извлечения данных о смертности, DALY, ASMR и ASDR. 
INLA R PackageR-INLA Projecthttps://www.r-inla.org/Используется для байесовского вывода в моделировании возрастно-периодных когорт. 
JD_GBDR Software Jingding Medical Technology Co., Ltd.Version 2.37.1Используется для оценки нагрузки GBD, анализа декомпозиции и визуализации стандартизированных показателей.
Joinpoint Regression Program (Version 5.3.0)National Cancer Institute (NCI)https://surveillance.cancer.gov/joinpoint/downloadИспользуется для анализа точек соединения, оценки APC и AAPC. 
Microsoft ExcelMicrosoft Corporationhttps://www.microsoft.com/excelИспользуется для организации и очистки извлеченных наборов данных CSV перед анализом. 
Personal Computer WorkstationAny standard computing workstationN/AРекомендуемый минимум: 8 ГБ оперативной памяти, Windows 10/11 или macOS для статистических анализов и прогнозов.
R Statistical Software (Version 4.4.2)R Foundation for Statistical Computinghttps://www.r-project.org/Используется для статистического анализа, расчета EAPC, анализа неравенства, визуализации и байесовского моделирования возрастно-периодных когорт. 
RStudio DesktopPosit Software, PBChttps://posit.co/download/rstudio-desktop/Интегрированная среда разработки для анализа в R.  

Ссылки

  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).

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Перепечатки и разрешения

Теги

Медицинавыпуск 234выпуск 234пустое значениевыпускглобальное бремя болезнейсоциально-демографический индекснеравенство в вопросах здоровья
Связаться с нами
Порекомендовать библиотеке

Конфиденциальность

Условия использования

Политики

© 2026 MyJoVE Corporation. Все права защищены.