Investigating disparities in cancer by linking the Canadian Cancer Registry to survey and administrative databases: a collaboration between the Canadian Partnership Against Cancer and Statistics Canada
Notice bibliographique
Résumé
IntroductionThe Canadian Partnership Against Cancer reports on pan-Canadian system performance across the cancer control continuum, including how sociodemographic disparities create barriers in access and utilization of cancer control services. This has been done using mostly ecological data, which does not contain the individual level information required to identify the extent of disparities. Objectives and ApproachThe Partnership collaborated with Statistics Canada (STC) to build individual level datasets that will allow researchers to investigate the relationship between sociodemographic factors, cancer outcomes and treatment patterns in Canada.The record linkage was conducted at STC within the Social Data Linkage Environment. Data from the Canadian Cancer Registry were linked to the Discharge Abstract Database, the National Ambulatory Care Reporting System and the Canadian Vital Statistics Death Database to obtain treatment information and deathand death outcomes. To obtain sociodemographic information the following datasets are also being linked: T1 Personal Master File (income), Immigrant Landing File and the Census Long Form (education and geography). ResultsLinkage of all datasets is expected to complete by the end of January 2019. For the first time in Canada, record-level linkage of national cancer registry data with key datasets containing sociodemographic information will be available for exploratory analysis. The challenges with linkage and data limitations will be discussed, as well as the application of these linked databases to answer current disparities-related research questions. Conclusion/ImplicationsThis initiative illustrates the value of collaboration between data custodians and health researchers as well as how linkage of existing datasets can leverage the full potential of available data, and broaden cancer research in supporting efforts to create a more equitable cancer control system.
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 | 0,085 | 0,148 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,022 | 0,050 |
| Études des sciences et des technologies | 0,008 | 0,002 |
| Communication savante | 0,011 | 0,003 |
| Science ouverte | 0,006 | 0,011 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 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 ».