MétaCan
Menu
Retour à la cohorte
Enregistrement W3156694862 · doi:10.1093/ije/dyab067

Quantifying the contribution of modifiable risk factors to socio-economic inequities in cancer morbidity and mortality: a nationally representative population-based cohort study

2021· article· en· W3156694862 sur OpenAlexafffundabout
Sara Nejatinamini, Jenny Godley, Leia Minaker, Tolulope T. Sajobi, Gavin R. McCormack, Martin Cooke, Candace I. J. Nykiforuk, Lawrence de Koning, Dana Lee Olstad

Notice bibliographique

RevueInternational Journal of Epidemiology · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueGlobal Cancer Incidence and Screening
Établissements canadiensUniversity of WaterlooUniversity of AlbertaUniversity of Calgary
Organismes subventionnairesCanadian Institutes of Health ResearchCumming School of Medicine, University of Calgary
Mots-clésMedicinePopulationDemographyCohort studyCohortEnvironmental healthCancerPopulation healthGerontologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Compared with those with a higher socio-economic position (SEP), individuals with a lower SEP have higher cancer morbidity and mortality. However, the contribution of modifiable risk factors to these inequities is not known. This study aimed to quantify the mediating effects of modifiable risk factors to associations between SEP and cancer morbidity and mortality. METHODS: This study used a prospective observational cohort design. We combined eight cycles of the Canadian Community Health Survey (2000/2001-2011) as baseline data to identify a cohort of adults (≥35 years) without cancer at the time of survey administration (n = 309 800). The cohort was linked to the Discharge Abstract Database and the Canadian Mortality Database for cancer morbidity and mortality ascertainment. Individuals were followed from the date they completed the Canadian Community Health Survey until 31 March 2013. Dates of individual first hospitalizations for cancer and deaths due to cancer were captured during this time period. SEP was operationalized using a latent variable combining measures of education and household income. Self-reported modifiable risk factors, including smoking, excess alcohol consumption, low fruit-and-vegetable intake, physical inactivity and obesity, were considered as potential mediators. Generalized structural equation modelling was used to estimate the mediating effects of modifiable risk factors in associations between low SEP and cancer morbidity and mortality in the total population and stratified by sex. RESULTS: Modifiable risk factors together explained 45.6% of associations between low SEP and overall cancer morbidity and mortality. Smoking was the most important mediator in the total population and for males, accounting for 15.5% and 40.2% of the total effect, respectively. For females, obesity was the most important mediator. CONCLUSIONS: Modifiable risk factors are important mediators of socio-economic inequities in cancer morbidity and mortality. Nevertheless, more than half of the variance in these associations remained unexplained. Midstream interventions that target modifiable risk factors may help to alleviate inequities in cancer risk in the short term. However, ultimately, upstream interventions that target structural determinants of health are needed to reduce overall socio-economic inequities in cancer morbidity and mortality.

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)0,003
score de la tête « metaresearch » (Gemma)0,006
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 enseignants0,064
Score d'incertitude au seuil0,967

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
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 Opus0,274
Tête enseignante GPT0,496
Écart entre enseignants0,222 · 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

Citations25
Publié2021
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueInternational Journal of EpidemiologyMême sujetGlobal Cancer Incidence and ScreeningTravaux en français237 207