Site-specific cancer incidence by race and immigration status in Canada 2006-2015: a population-based data linkage study
Notice bibliographique
Résumé
Abstract Introduction The Canadian Cancer Registry does not collect demographic data beyond age and sex, making it hard to monitor health inequalities in cancer incidence in Canada, a country with public healthcare and many immigrants. Using data linkage, we compared site-specific cancer incidence rates by race. Methods We used data from the 2006 and 2011 Canadian Census Health and Environment Cohorts (CanCHECs), which are population-based probabilistically linked datasets of 5.9 million respondents of the 2006 Canadian long-form census and 6.5 million respondents of the 2011 National Household Survey. Respondents’ race was self-reported using Indigenous identity and visible minority group identity questions. Respondent data were linked with the Canadian Cancer Registry up to 2015. We calculated age-standardized incidence rate ratios (ASIRR), comparing group-specific rates to the overall population rate with bootstrapped 95% confidence intervals (95%CI). We used negative binomial regressions to adjust rates for socioeconomic variables and assess interactions with immigration status. Results The age-standardized cancer incidence rate was lower in almost all non-White racial groups than in White individuals, except for Indigenous peoples who had a similar overall age-standardized cancer incidence rate (ASIRR 0.99, 95%CI 0.97-1.01). Immigrants had substantially lower age-standardized overall cancer incidence rates than non-immigrants (ASIRR 0.83, 95%CI 0.82-0.84). Non-White racial groups generally had significantly lower or equivalent site-specific cancer incidence rates than the overall population, except for stomach, liver, and thyroid cancers and for multiple myeloma. Differences in incidence rates by race persisted even after adjusting for household income, education, and rural residence, with immigration status being an important modifier of cancer risk. Conclusions Differences in cancer incidence between racial groups are likely influenced by differences in lifestyles and early life exposures, as well as selection factors for immigration. This suggests a strong role of environment in determining cancer risk and further potential for cancer prevention.
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 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,021 |
| Études des sciences et des technologies | 0,005 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».