MétaCan
Menu
Retour à la cohorte
Enregistrement W2890735078 · doi:10.23889/ijpds.v3i4.766

Linking population-based survey and cancer registry data to examine the association between behaviours consistent with cancer prevention recommendations and cancer risk in Ontario

2018· article· en· W2890735078 sur OpenAlexaffabout
Stephanie Young, Ying Wang, M. Haque, Julie Klein-Geltink, Elisa Candido, Beatrice A. Boucher, Shelley A. Harris, Alice Peter, Michelle Cotterchio

Notice bibliographique

RevueInternational Journal for Population Data Science · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueNutritional Studies and Diet
Établissements canadiensCancer Care Ontario
Organismes subventionnairesnon disponible
Mots-clésCancer preventionMedicineCancer registryCancerEnvironmental healthPopulationGerontologyCohortHazard ratioDemographyConfidence intervalInternal medicine

Résumé

récupéré en direct d'OpenAlex

IntroductionCertain subject behaviours and characteristics increase the risk of some cancer types (e.g., obesity, alcohol intake) while others reduce cancer risk (e.g., physical activity). In 2007, the World Cancer Research Fund (WCRF) and American Institute for Cancer Research (AICR) published recommendations to reduce cancer risk related to these behaviours.
 Objectives and ApproachThe objective is to examine the association between self-reported behaviour consistent with WCRF/AICR recommendations for body fatness, physical activity, vegetable/fruit consumption, and alcohol intake and the risk of all cancers combined and specific cancer types. The study cohort, comprised of the Canadian Community Health Survey (CCHS) Ontario sample, will be linked with health administrative databases, including the Ontario Cancer Registry to determine cancer outcomes. Individuals will be assessed for behaviours consistent with WCRF/AICR recommendations based on their responses to CCHS questions and the association of these behaviours with cancer risk will be explored using multivariable Cox proportional hazard regression models.
 ResultsTo detect a log hazard ratio of 1.10 (where a=0.05, power=0.80, proportion of the sample assigned to the exposure group=0.25 and R2=0.20), a sample size of 4,538 is required. Based on the number of records in the CCHS data frame (159,474) and an assumption that the CCHS sample experiences cancer incidence at a similar rate to the rest of the Ontario population, we expect to have 5,000 cancer cases for these analyses. Upon completion of the analysis, we will report hazard ratios that estimate the difference in cancer risk between individuals reporting behaviour consistent with the WCRF/AICR recommendations and those reporting behaviour not consistent with the recommendations.
 Conclusion/ImplicationsWCRF/AICR recommendations were developed as the basis for primary cancer prevention, both for individuals and population-wide policies and programs. The current study will quantify the difference in overall cancer risk between individuals who do and do not adhere to selected WCRF/AICR recommendations for the first time in a Canadian population.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,468
Score d'incertitude au seuil0,721

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,173
Tête enseignante GPT0,430
Écart entre enseignants0,257 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal for Population Data ScienceMême sujetNutritional Studies and DietTravaux en français237 207