MétaCan
Menu
← Retour à la cohorte
Enregistrement W6992743517

Measurement and effect of income on colorectal cancer survival and the diagnostic interval

2024· dissertation· en· W6992743517 sur OpenAlexafffund

Notice bibliographique

RevueeScholarship@McGill (McGill) · 2024
Typedissertation
Langueen
DomaineMedicine
ThématiqueColorectal Cancer Screening and Detection
Établissements canadiensMcGill UniversityMcGill University Health Centre
Organismes subventionnairesFonds de Recherche du Québec - SantéSocial Sciences and Humanities Research Council of CanadaCanadian Institutes of Health ResearchCanadian Centre for Applied Research in Cancer Control
Mots-clésInterval (graph theory)Colorectal cancerConfidence intervalCancerPopulation
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Colorectal cancer (CRC) patients experiencing low income have worse outcomes throughout the cancer continuum.Income inequalities in the diagnostic interval, the time from presentation of symptoms to the healthcare system to cancer diagnosis, may partially explain these outcomes.With increasing interest in income-related differences in cancer outcomes, accurate measurement of income is imperative, and misclassification of income can result in wrong conclusions about the presence of income inequalities.The overarching goal of this thesis was to estimate income inequalities in survival and the diagnostic interval for CRC patients in Canada and to advance knowledge regarding how the measurement of income at the individual and neighbourhood levels impacts those estimated inequalities.The first manuscript determines misclassification between individual-and neighbourhood-level income and their association with survival among CRC patients diagnosed from 1992 to 2017 in the Canadian Census Health and Environment Cohorts.I found very poor agreement between individual and neighbourhood income, with only 17% of respondents assigned to the same quintile (weighted kappa=0.18).Individual income had a greater effect on relative and additive survival than neighbourhood income.The interaction between individual and neighbourhood income demonstrated that those in the lowest individual and neighbourhood income quintiles were the most at risk for poor survival.The poor agreement between these two measures fed directly into the second manuscript, where I used probabilistic bias analyses to adjust for exposure misclassification bias resulting from using neighbourhood income as a proxy for individual income when examining 5-year survival.The bias analysis resulted in similar relative risks (RR) for bias-adjusted neighbourhood income compared to true individual income.For example, the bias-adjusted RR for the lowest income quintile compared to the highest Conclusion.Cancer researchers should avoid using neighbourhood income as a proxy for individual income, especially among patients with cancers with demonstrated inequalities by income.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,034
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,028

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,034
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,018
Tête enseignante GPT0,276
Écart entre enseignants0,257 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueeScholarship@McGill (McGill)→Même sujetColorectal Cancer Screening and Detection→Travaux en français237 207→