MétaCan
Menu
Retour à la cohorte
Enregistrement W1428306010 · doi:10.1177/003335491513000412

A Medicare-Associated Spike in U.S. Cancer Rates at Age 65, 2000–2010

2015· article· en· W1428306010 sur OpenAlexaboutno aff
Francis P. Boscoe, Eva Pradhan

Notice bibliographique

RevuePublic Health Reports · 2015
Typearticle
Langueen
DomaineMedicine
ThématiqueGlobal Cancer Incidence and Screening
Établissements canadiensnon disponible
Organismes subventionnairesNational Center for Chronic Disease Prevention and Health Promotion
Mots-clésPoisson regressionMedicineDemographyCancerBreast cancerProstate cancerColorectal cancerCancer registryIncidence (geometry)GerontologyInternal medicinePopulationEnvironmental health

Résumé

récupéré en direct d'OpenAlex

Age 65 represents a transition point where most U.S. residents begin Medicare coverage. We examined whether or not delays in medical care near this age extend to cancer diagnosis. We calculated single-year-of-age cancer incidence rates by site and stage for the most common cancer sites (i.e., prostate, female breast, lung, and colorectal) for the 2000-2010 period using data from the SEER 18 registries, and we used Poisson regression to identify a possible age-65 effect. The analysis was repeated on comparable Canadian data. Cancer rates at age 65 were found to be as much as 15% above expected in the U.S. data, with the age-65 effect strongly associated with site- and stage-specific survival. A smaller association was seen in the Canadian data. We found strong evidence that diagnosis of less severe cancers spikes at age 65. Delay of medical care prior to this age has complex policy implications.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,245
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,283
Tête enseignante GPT0,441
Écart entre enseignants0,158 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePublic Health ReportsMême sujetGlobal Cancer Incidence and ScreeningTravaux en français237 207