Examining prevalence of cancer risk factors across Ontario for the Ontario Cancer Profiles tool
Notice bibliographique
Résumé
The Ontario Cancer Profiles is an interactive dashboard for the public containing population-level cancerstatistics created by Ontario Health (Cancer Care Ontario). The tool contains data on cancer burden, cancerscreening measures, and cancer risk factors by Local Health Integration Network (LHIN) and Public Health Unit (PHU). It can be used for health system planning, measuring health systems performance, monitoring the impact of interventions, and to help identify new areas of research. There were 9 new modifiable cancer risk factors proposed to be included in future updates of the dashboard. The proposed risk factors include: access to care, active transportation, binge drinking, alcohol abstinence, inadequate fruit consumption, inadequate vegetable consumption, sedentary behaviour, second-hand smoke exposure, and sun safety. My practicum consisted of two main objectives: to conduct a literature review on the association between the proposed risk factors and cancer and to determine the prevalence of exposure of the identified risk factors in Ontario using 2015 to 2017 CCHS data. I performed a literature review to examine current evidence linking each proposed risk factor with cancer risk to determine the inclusion or exclusion of the indicator in the analysis. An analysis was performed with the selected variables in CCHS. Each indicator was age-standardized, and both standardized and crude ratios of individuals engaging in selected indicator activities were calculated. The results were examined for reliability using the produced coefficient of variation values. The estimates for each risk indicators allowed for the identification of target population that may be at higher risk of developing cancer due to greater exposure to the risk factors. They also serve as useful predictors for areas of improvement in regions with a high prevalence, such as healthy living within the community, and a guide to implementing preventative measures, screening, or treatment plans that may have been lacking.
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 | 0,005 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,010 | 0,018 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».