Modelling the Potential Impact of Weight Gain During the COVID-19 Pandemic on the Future Burden of Cancer
Notice bibliographique
Résumé
To understand potential long-term consequences of the impacts of the COVID-19 pandemic and resulting public health measures on daily life, specifically shifts in health behaviours which contribute to weight gain. Data on unintentional weight gain among adults during the first year of the COVID-19 pandemic was applied to national survey data to simulate pre and post weight gain body mass index (BMI). Population impact measures were estimated using OncoSim, a web-based microsimulation tool, which simulates the trajectory of cancer, calibrated using Canadian cancer incidence and mortality data along with measurable risk for specified cancers from lifestyle risk factors. Projections were estimated until 2042, assuming a 12-year latency period. Following a mean weight gain of 11.4 lbs, the proportion of underweight, overweight, obese and morbidly obese BMI were: 37%, 36%, 18% and 9%, respectively. The projected excess cancer cases would reach 8,651 and 16,915 by 2037 and 2042. The additional cancer burden will disproportionately impact women. The largest projected increases were observed for uterine, kidney and liver cancers among women, with mean potential impact fractions (PIF) of 4.26%, 2.58% and 2.08%, respectively. Among men, the largest mean PIFs were observed for esophageal (3.03%), kidney (2.28%) and liver (1.81%) cancers. The projected excess cancer deaths would reach 6,254 by 2042, with the largest burden projected for colorectal, esophageal and pancreatic cancer (N = 1,087, N = 945, and N = 813). These projections highlight the possible long-term consequences of changes in health behavior during the COVID-19 pandemic on the burden of cancer in Canada. This underscores the critical need for timely investment into effective cancer prevention strategies, to minimize the likelihood that unhealthy lifestyle changes during the COVID-19 pandemic are sustained. Michael Smith Foundation for Health Research, the Canadian Partnership Against Cancer, Health 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 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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».