MétaCan
Menu
Retour à la cohorte
Enregistrement W2950465754 · doi:10.24095/hpcdp.39.6/7.02

Trends in chronic disease incidence rates from the Canadian Chronic Disease Surveillance System

2019· article· en· W2950465754 sur OpenAlexaffvenueabout
Naomi C. Hamm, Louise Pelletier, Joellyn Ellison, Lana Tennenhouse, Kim Reimer, J. Michael Paterson, Rolf Puchtinger, Sharon Bartholomew, Karen A. Phillips, Lisa M. Lix

Notice bibliographique

RevueHealth Promotion and Chronic Disease Prevention in Canada · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueHealth Promotion and Cardiovascular Prevention
Établissements canadiensHealth PEIUniversity of Prince Edward IslandUniversity of ManitobaGovernment of SaskatchewanMinistry of HealthInstitute for Clinical Evaluative SciencesPublic Health Agency of Canada
Organismes subventionnairesnon disponible
Mots-clésMedicineIncidence (geometry)DemographyPopulationAsthmaDiseaseEpidemiologyCOPDDiabetes mellitusEnvironmental healthInternal medicine

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: The Public Health Agency of Canada's Canadian Chronic Disease Surveillance System (CCDSS) produces population-based estimates of chronic disease prevalence and incidence using administrative health data. Our aim was to assess trends in incidence rates over time, trends are essential to understand changes in population risk and to inform policy development. METHODS: Incident cases of diagnosed asthma, chronic obstructive pulmonary disease (COPD), diabetes, hypertension, ischemic heart disease (IHD), and stroke were obtained from the CCDSS online infobase for 1999 to 2012. Trends in national and regional incidence estimates were tested using a negative binomial regression model with year as a linear predictor. Subsequently, models with year as a restricted cubic spline were used to test for departures from linearity using the likelihood ratio test. Age and sex were covariates in all models. RESULTS: Based on the models with year as a linear predictor, national incidence rates were estimated to have decreased over time for all diseases, except diabetes; regional incidence rates for most diseases and regions were also estimated to have decreased. However, likelihood ratio tests revealed statistically significant departures from a linear year effect for many diseases and regions, particularly for hypertension. CONCLUSION: Chronic disease incidence estimates based on CCDSS data are decreasing over time, but not at a constant rate. Further investigations are needed to assess if this decrease is associated with changes in health status, data quality, or physician practices. As well, population characteristics that may influence changing incidence trends also require exploration.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut 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: aucune
Score de désaccord entre enseignants0,027
Score d'incertitude au seuil0,196

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,007
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0070,014
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,021
Tête enseignante GPT0,317
Écart entre enseignants0,295 · 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 source (Gemma direct ou Codex distillé), 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

Citations26
Publié2019
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueHealth Promotion and Chronic Disease Prevention in CanadaMême sujetHealth Promotion and Cardiovascular PreventionTravaux en français237 207