Evaluating the impact of <scp>COVID</scp>‐19 on cancer declarations in Quebec, Canada
Notice bibliographique
Résumé
BACKGROUND: COVID-19 affected healthcare worldwide, limited access to healthcare, and delayed cancer screening and diagnosis. In this study, the effect of the first year of COVID-19 was determined on cancer diagnoses in the province of Quebec, Canada. METHODS: Data were collected from the 13 Quebec Cancer Registry health institutions. Newly diagnosed cancer declarations in the first year of the COVID-19 (April 2020-March 2021) were compared with the reference periods (averages of 3 previous years). The main focus was on four leading cancers: lung, prostate, colorectal, and breast cancers. Generalized regression models with a poisson approximation and interrupted time series (ITS) analysis were used. Underestimated cases were presented in terms of relative risk (RR) and 95% confidence intervals (CI). The changes in the stage-specific counts were also assessed in each of the four cancers. Results were illustrated separately for the first 4 months of the pandemic (first wave). FINDINGS: This study estimated an overall under-reporting of 15.3% (29,019 vs. 24,584) of declarations. This under-reporting was evident across all age groups above 35 years (p < 0.0001), four primary cancers (p < 0.0001), all stages of cancers (p < 0.0001), and both sexes (p < 0.0001). Based on the relative risks, stage-specific lung cancer counts were underestimated by 5%-34% in the first wave (0%-11% in the first year), prostate cancer by 16%-46% in the first wave (0%-25% in the first year), colorectal cancer 15%-45% in the first wave (0%-24% in the first year), and breast cancer 3%-45% in the first wave and (0%-28% in the first year). However, no stage-IV cancers were statically under-reported compared to the pre-pandemic era and not even in the first wave. INTERPRETATION: Cancer diagnosis was underestimated due to the COVID-19 pandemic in the first year; this effect was more evident in the first phase of the pandemic in Quebec. Further research is required to determine the accurate burden of the disease in the long term.
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 | 0,006 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,002 | 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 ».