Canadian cancer risk management model: A new health policy tool useful in policy decisions related to lung cancer.
Notice bibliographique
Résumé
e16541 Background: Fiscal constraint is forcing decision-makers to make choices about which cancer control initiatives to fund in publically funded health care systems. A Cancer Risk Management (CRM) model has been developed for the Canadian Partnership Against Cancer as a web enabled platform to support health policy decision-makers. Methods: The CRM uses dynamic, longitudinal microsimulation techniques to simulate and project realistic, representative populations. Each disease-specific module interacts within a single framework that incorporates Canadian demographic characteristics (births, mortality, immigration, emigration, interprovincial migration), educational status, risk factors (smoking, radon exposure, other as appropriate to the disease being modelled) and economic factors (earnings, taxes, government transfers). CRM utilizes current data lung cancer (LC) and colorectal cancer incidence, disease management and case fatality in Canada to assess impacts on population health and the cost to the health care system. Data sources include large national surveys, cancer registries and census data, as well as medical literature and expert opinion. Results: The CRM has simulated the impact of prevention strategies for LC, adjuvant therapy for resected LC and new therapies for advanced disease. For example, a 50% reduction in current smoking prevalence could result in a 10% reduction in lung cancer incident cases at 10 years and result in a cumulative direct health care cost saving of $215 M in Canada. The recent identification of a 20% mortality reduction using low dose computerized tomographic screening in high-risk individuals will be modeled using this platform once the full publication of results is available, including details of the frequency of investigation for false positives and the interventions utilized to investigate these cases. Conclusions: The CRM will likely become a key resource to Canadian decision-makers as fiscal constraints and new screening and treatment approaches increasingly come into conflict with each other.
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,031 | 0,002 |
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 ».