The Impact of Adjustment for Socioeconomic Status on Comparisons of Cancer Incidence between Two European Countries
Notice bibliographique
Résumé
Background. Cancer incidence rates vary considerably between countries and by socioeconomic status (SES). We investigate the impact of SES upon the relative cancer risk in two neighbouring countries. Methods. Data on 229,824 cases for 16 cancers diagnosed in 1995-2007 were extracted from the cancer registries in Northern Ireland (NI) and Republic of Ireland (RoI). Cancers in the two countries were compared using incidence rate ratios (IRRs) adjusted for age and age plus area-based SES. Results. Adjusting for SES in addition to age had a considerable impact on NI/RoI comparisons for cancers strongly related to SES. Before SES adjustment, lung cancer incidence rates were 11% higher for males and 7% higher for females in NI, while after adjustment, the IRR was not statistically significant. Cervical cancer rates were lower in NI than in RoI after adjustment for age (IRR: 0.90 (0.84-0.97)), with this difference increasing after adjustment for SES (IRR: 0.85 (0.79-0.92)). For cancers with a weak or nonexistent relationship to SES, adjustment for SES made little difference to the IRR. Conclusion. Socioeconomic factors explain some international variations but also obscure other crucial differences; thus, adjustment for these factors should not become part of international comparisons.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,046 | 0,093 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».