Incidence and mortality rates of keratinocyte carcinoma from 1998–2017: a population-based study of sex differences in Ontario, Canada
Notice bibliographique
Résumé
Background: Keratinocyte carcinoma is the most common malignant disease, but it is not captured in major registries. We aimed to describe differences by sex in the incidence and mortality rates of keratinocyte carcinoma in Ontario, Canada. Methods: We conducted a population-based retrospective study of adults residing in Ontario between Jan. 1, 1998, and Dec. 31, 2017, using linked health administrative databases. We identified the first diagnosis of keratinocyte carcinoma using a validated algorithm of health insurance claims, and deaths related to keratinocyte carcinoma from death certificates. We calculated the incidence and mortality rates of keratinocyte carcinoma, stratified by sex, age and income quintile. We evaluated trends using the average annual percentage change (AAPC) based on joinpoint regression. Results: After decreasing from 1998 to 2003, the incidence rate of keratinocyte carcinoma increased by 30% to 369 per 100 000 males and 345 per 100 000 females in 2017 (AAPC 1.9%, 95% confidence interval [CI] 1.7 to 2.1 from 2003 to 2017). The incidence rate was higher in females younger than 55 years, but higher in males aged 55 years or older. Between 2008 and 2017, the incidence rate rose faster in females than males aged 45–54 years (AAPC 1.2% v. 0.5%, p = 0.01) and 55–64 years (1.2% v. 0.1%, p < 0.01). The incidence was higher in males than females in the higher income quintiles. Between 1998 and 2017, the mortality rate of keratinocyte carcinoma was 1.8 times higher in males than females, on average, and rose 4.8-fold overall (AAPC 8.9%, 95% CI 6.4 to 11.4 in males; 8.0%, 95% CI 5.3–10.8 in females). Interpretation: The population burden of keratinocyte carcinoma is growing, and the incidence and mortality rates rose disproportionately among certain sex- and age-specific groups. This warrants further investigation into causal factors and renewed preventive public health measures.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».