Notice bibliographique
Résumé
BACKGROUND: The rising numbers of cancer diagnoses, together with improvements in survival, have led to increases in the prevalence of cancer in Canada. This article provides more precise and detailed estimates of cancer prevalence than have been available previously. DATA AND METHODS: Based on incidence data from the Canadian Cancer Registry linked with mortality data from the Canadian Vital Statistics Death Database, direct estimates of cancer prevalence as of January 1, 2005 were calculated for an extensive list of cancers, by time since diagnosis, age and sex. RESULTS: Two-, five- and ten-year cancer prevalence counts were 217,089 (675 per 100,000), 454,149 (1,412 per 100,000) and 722,833 (2,248 per 100,000), respectively. Breast (20.6% of ten-year prevalent cases), prostate (18.7%) and colorectal cancer (12.9%) were the most prevalent, together accounting for just over half of all cases. Prevalence proportions for all cancers combined increased dramatically with age, peaking at ages 80 to 84; proportions were higher in females than in males before age 60, and higher in males thereafter. INTERPRETATION: Prevalence data tabulated according to type of cancer, age and time since diagnoses provide important information about the demand for cancer-related health care and social services.
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) | 0,000 | 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 ».