Do cancer incidence and mortality rates differ among ethnicities in Canada?
Notice bibliographique
Résumé
BACKGROUND: Cancer incidence rates have been shown to vary by ethnicity, and the increasing awareness of and interest in reporting ethnic health inequalities have been growing internationally. The objective of this study was to assess cancer incidence and mortality rates by ethnicity in Canada. DATA AND METHODS: The study used the 2006 Canadian Census Health and Environment Cohort, linked to the Canadian Cancer Registry and the Canadian Vital Statistics-Death Database, to determine cancer cases and mortality from 2006 to 2016. Ethnicity was categorized as non-Indigenous North American (NINA); European; Caribbean; Latin, Central and South American (LCSA); African; East Asian; South Asian; and West Central Asian and Middle Eastern. RESULTS: Europeans had the highest standardized incidence rates, while NINA had the highest mortality rates. Rates varied substantially by ethnicity and immigrant status. The top three cancers accounted for 46.5% to 61.9% of all new cancers, while the top three cancer deaths accounted for 36.1% to 61.9% of all deaths. The distribution of cancers within the top 10 cancers and the top 10 cancer deaths also differed; e.g., stomach cancer was found to be more prevalent in the East Asian, LCSA, African and Caribbean groups. Non-immigrant African males had the highest cancer incidence rates, and non-immigrant South Asian females had the highest mortality rates. DISCUSSION: There is considerable variability in cancer incidence and cancer mortality rates by ethnicity, and this study addresses the knowledge gap in Canada in this area. Establishing baseline indicators, such as cancer rates by ethnicity, is essential to understanding the differences within the diverse Canadian population and to informing targeted interventions that may help reduce health inequalities.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,008 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
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.
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 ».