Disparities in modifiable cancer risk factors among Canadian provinces, territories, and health regions
Notice bibliographique
Résumé
Data about small area estimates of cancer risk factors are difficult to obtain in Canada. The current study aims to provide an assessment of the prevalence of different behavioral risk factors of cancer at the level of Canadian provinces/territories and sub provincial health regions/units. Canadian Community Health Survey (CCHS) datasets for 2017/2018 were reviewed and adult participants (≥ 18 years old) were included. Baseline demographic data and health behaviors (including ever-smoking, current smoking, alcohol drinking in the past 12 months, below-recommended physical activity, and obesity) were reviewed. Prevalence of each of these behaviors within different provinces/territories as well as within each health region was reviewed. Multivariable logistic regression analysis was then done to examine the association between place of residence and cancer risk factors. A total of 104,636 adult participants were included in the current analysis. For ever-smoking, the highest prevalence was noted in Nunavut (79.7%); for current smoking, the highest prevalence was noted in Nunavut (67.2%); for alcohol drinking in the past 12 months, the highest prevalence was noted in Quebec (89.3%); for below-recommended physical activity, the highest prevalence was noted in Nunavut (51.3%); for obesity, the highest prevalence was noted in Northwest territories (31.5%). Compared to individuals living within a territory, individuals living within a province were less likely to ever smoke (OR: 0.62; 95% CI: 0.54–0.71), currently smoke (OR: 0.51; 95% CI: 0.45–0.59), be obese (OR: 0.82; 95% CI: 0.71–0.95), but more likely to drink alcohol in the past 12 months (OR: 1.41; 95% CI: 1.20–1.65). There is no difference between both categories with regards to physical activity (OR: 1.02; 95% CI: 0.89–1.15). There is a general province/territory disparity in the prevalence of different modifiable cancer risk factors as well as disparity between individual provinces/health regions in Canada.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,008 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».