Cutaneous Melanoma Mortality-to-Incidence Ratio and Its Association With Socioeconomic and Healthcare Factors in Canada: A National Ecological Study
Notice bibliographique
Résumé
INTRODUCTION: The mortality-to-incidence ratio (MIR) can be used to approximate healthcare inequities and is helpful to understand/compare cancer survival between geographic regions/jurisdictions. We investigated cutaneous melanoma (CM) outcomes through MIR analysis in Canadian jurisdictions and census divisions (CDs) between 1992 and 2016. METHODS: Data were obtained from the national databases from 1992 to 2016 for all Canadian jurisdictions, except Quebec. Age-standardized overall and median MIRs were calculated per province per year, while crude MIRs were calculated for CDs. Generalized linear regression models were conducted to study the effect of province and year on MIR, while a mixed effect regression model was used to determine how healthcare and socioeconomic factors affect MIR, while accounting for possible clustering effects (eg, year and province). RESULTS: value < .0001). The national median MIR was 15.4 (ie, 0.154 × 100), whereby Manitoba (19.9), Ontario (19.5), Saskatchewan (18.5), British Columbia (16.1), and Newfoundland and Labrador (15.9) demonstrated higher MIRs than the Canadian average. CDs with the highest MIRs were commonly identified in the southern regions of provinces. No healthcare or socioeconomic factors were found to be significantly associated with higher MIR at the provincial level. CONCLUSION: MIRs have decreased at the national and provincial levels in recent decades, which is reassuring. Higher MIRs were noted in select rural CDs and in the Canadian territories, reinforcing the importance of proper dermatological care in all parts of the country.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,007 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 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 ».