The projected health and economic impact of increased colorectal cancer screening participation among Canadians by income quintile
Notice bibliographique
Résumé
OBJECTIVES: Disparities in colorectal cancer (CRC) screening uptake by socioeconomic status have been observed in Canada. We used the OncoSim-Colorectal model to evaluate the health and economic outcomes associated with increasing the participation rates of CRC screening programs to 60% among Canadians in different income quintiles. METHODS: Baseline CRC screening participation rates were obtained from the 2017 Canadian Community Health Survey. The survey participants were categorized into income quintiles using their reported household income and 2016 Canadian Census income quintile thresholds. Within each quintile, the participation rate was the proportion of respondents aged 50-74 who reported having had a fecal test in the past two years. Using the OncoSim-Colorectal model, we simulated an increase in CRC screening uptake to 60% across income quintiles to assess the effects on CRC incidence, mortality, and associated economic costs from 2024 to 2073. RESULTS: Increasing CRC screening participation rates to 60% across all income quintiles would prevent 69,100 CRC cases and 36,600 CRC deaths over 50 years. The improvement of clinical outcomes would also translate to increased person-years and health-adjusted person-years. The largest impact was observed in the lowest income group, with 22,200 cases and 11,700 deaths prevented over 50 years. Increased participation could lead to higher screening costs ($121 million CAD more per year) and lower treatments costs ($95 million CAD less per year), averaged over the period 2024-2073. CONCLUSION: Increased screening participation will improve clinical outcomes across all income groups while alleviating associated treatment costs. The benefits of increased participation will be strongest among the lowest income quintile.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».