Incidence trends and projections for childhood cancer in Ontario
Notice bibliographique
Résumé
Studies of cancer incidence patterns and trends can provide useful measures of health burden and possible disease etiology, which can aid the planning of cancer care services. This report aims to characterize trends in incidence of childhood cancer, and to assess the implications of these trends by generating incidence projections to 2015. Cancer incidence data were obtained from the database of the Pediatric Oncology Group of Ontario (POGO), which has registered all cancer cases in Ontario since 1985. Annual incidence rates were calculated with census-based population estimates for the 1986-2001 period. Poisson regression models were used to analyze trends, and to calculate projected numbers of cases up to the year 2015. From 1986 to 2001, 5,163 cancer cases occurred among children aged 0-14. Leukemia, CNS tumors and lymphomas were the most common cancers. The number of incident cases increased by 14%, from 296 in 1986 to 336 in 2001. For all cancers, average annual age-standardized rates increased from 147 per million in 1991 to 157 per million in 2001. Over the next 15 years, the 0-14 year population is expected to decrease from 2.28 million in 2000 to 2.13 million in 2015. A marginally statistically significant trend in incidence was projected for all cancers combined (0.5% increase per year p < 0.10) and a statistically significant increase for lymphomas, (1.2% per year 95% CI = 0.0-3.9%). During this period, the number of cases of leukemia and CNS tumors is expected to remain relatively stable. The number of cases of all cancers is expected to increase by 8%, from the average of 320 in 1995 to approximately 347 in 2015. Understanding of these projections will facilitate health care resource planning.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».