Investigating the relationship between modifiable environmental risk factors and incidence of colorectal cancer: a community based study
Notice bibliographique
Résumé
Colorectal cancer is the third most diagnosed cancer and second leading cause of cancer related deaths in Canada. As Ontario has the largest population in Canada, it also has great disparities in colorectal cancer incidence. The region of Timiskaming has the highest incidence for colorectal cancer, while the region of Peel has the lowest incidence for colorectal cancer in Ontario. The purpose of this study is to identify the dominant non-nutritional modifiable environmental risk factors in the region of Timiskaming compared to the region of Peel that may be associated with diverging colorectal cancer incidence rates. The three objectives of the study included performing a systematic review on available published literature, creating an assessment questionnaire tool regarding environmental exposures, and utilizing the questionnaire assessment tool within a pilot study group while expanding it into the communities of interest. Findings indicate that there are dominant non-nutritional modifiable environmental risk factors in the regions of Timiskaming and Peel that may be associated with colorectal cancer. The dominant factors identified are tobacco/smoking, alcohol use, pesticides/organochlorines, and metal toxins. Following this study, it is imperative that recommendations are directed at a community level and relate to the assessment of potential non-nutritional modifiable environmental risk factors. Future research should accompany a larger sample size, multiple participant communities, and catering of the questionnaire tool towards the communities of interest.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».