Et si l’accès à des données fiables sur le cancer du sein pouvait sauver des vies ?
Notice bibliographique
Résumé
Une femme sur huit recevra un diagnostic de cancer du sein au cours de sa vie. Au Canada, le cancer du sein est la deuxième cause de décès par cancer chez les femmes de tous âges, mais la première cause chez les femmes de 30 à 49 ans. Les retards de diagnostic peuvent aggraver la maladie et renforcer les inégalités. Au Québec, les délais de diagnostic sont nettement plus longs qu’en Ontario ou en Alberta où les délais sont les plus courts du pays. Un registre du cancer désuet et un manque de normalisation des soins contribuent aux retards du Québec. Dans cet article, les auteures explorent les capacités, performances et innovations en matière de diagnostic de cancer du sein au Québec et les comparent à celles d’autres provinces. Selon elles, le Québec peut et doit faire mieux en renforçant son engagement à l’égard de politiques novatrices et en développant des méthodes efficaces pour recueillir des données exhaustives, standardisées, à jour et accessibles. Ces efforts sont essentiels, tant pour la planification des soins que pour l’avancement de la recherche.
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 | 0,069 | 0,203 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,006 |
| Études des sciences et des technologies | 0,005 | 0,006 |
| Communication savante | 0,011 | 0,008 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,003 |
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 ».