MétaCan
Menu
← Retour à la cohorte
Enregistrement W3215474702 · doi:10.1503/cmaj.210659

Incidence of childhood cancer in Canada during the COVID-19 pandemic

2021· article· en· W3215474702 sur OpenAlexaffvenueabout
Marie‐Claude Pelland‐Marcotte, Lin Xie, Randy Barber, Sulaf Elkhalifa, Mylène Fréchette, Jaskiran Kaur, Jay Onysko, Éric Bouffet, Conrad V. Fernandez, David Mitchell, Meera Rayar, Alicia Randall, David Stammers, Valérie Larouche, Alexandra Airhart, Miranda M Fidler-Benaoudia, Sarah Cohen‐Gogo, Lillian Sung, Paul Gibson

Notice bibliographique

RevueCanadian Medical Association Journal · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueCOVID-19 and healthcare impacts
Établissements canadiensHospital for Sick ChildrenCovenant HealthUniversité du Québec à Montréal
Organismes subventionnairesnon disponible
Mots-clésMedicineIncidence (geometry)PandemicConfidence intervalPediatricsRate ratioObservational studyCancerCoronavirus disease 2019 (COVID-19)DiseaseDemographyInternal medicineInfectious disease (medical specialty)

Résumé

récupéré en direct d'OpenAlex

Background: The COVID-19 pandemic has had a major impact on access to health care resources. Our objective was to estimate the impact of the COVID-19 pandemic on the incidence of childhood cancer in Canada. We also aimed to compare the proportion of patients who enrolled in clinical trials at diagnosis, presented with metastatic disease or had an early death during the first 9 months of the COVID-19 pandemic compared with previous years. Methods: We conducted an observational study that included children younger than 15 years with a new diagnosis of cancer between March 2016 and November 2020 at 1 of 17 Canadian pediatric oncology centres. Our primary outcome was the monthly age-standardized incidence rates (ASIRs) of cancers. We evaluated level and trend changes using interventional autoregressive integrated moving average models. Secondary outcomes were the proportion of patients who were enrolled in a clinical trial, who had metastatic or advanced disease and who died within 30 days. We compared the baseline and pandemic periods using rate ratios (RRs) and 95% confidence intervals (CIs). Results: Age-standardized incidence rates during COVID-19 quarters were 157.7, 164.6, and 148.0 per million, respectively, whereas quarterly baseline ASIRs ranged between 150.3 and 175.1 per million (incidence RR 0.93 [95% CI 0.78 to 1.12] to incidence RR 1.04 [95% CI 0.87 to 1.24]). We found no statistically significant level or slope changes between the projected and observed ASIRs for all new cancers (parameter estimate [β], level 4.98, 95% CI −15.1 to 25.04, p = 0.25), or when stratified by cancer type or by geographic area. Clinical trial enrolment rate was stable or increased during the pandemic compared with baseline (RR 1.22 [95% CI 0.70 to 2.13] to RR 1.71 [95% CI 1.01 to 2.89]). There was no difference in the proportion of patients with metastatic disease (RR 0.84 [95% CI 0.55 to 1.29] to RR 1.22 [0.84 to 1.79]), or who died within 30 days (RR 0.16 [95% CI 0.01 to 3.04] to RR 1.73 [95% CI 0.38 to 15.2]). Interpretation: We did not observe a statistically significant change in the incidence of childhood cancer, or in the proportion of children enrolling in a clinical trial, presenting with metastatic disease or who died early during the first 9 months of the COVID-19 pandemic, which suggests that access to health care in pediatric oncology was not reduced substantially in Canada.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
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: Empirique
Score de désaccord entre enseignants0,033
Score d'incertitude au seuil0,236

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,003
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,023
Tête enseignante GPT0,332
Écart entre enseignants0,308 · 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

Citations13
Publié2021
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Medical Association Journal→Même sujetCOVID-19 and healthcare impacts→Travaux en français237 207→