Incidence du cancer au Canada : tendances et projections (1983-2032)
Bibliographic record
Abstract
Chaque année, la publication Statistiques canadiennes sur le cancer donne une estimation du nombre de cas et des taux projetés pour les sièges de cancer courants pour l’année en cours au Canada, dans les provinces et les territoires. La présente monographie vient compléter la publication Statistiques canadiennes sur le cancer en fournissant des projections sur le nombre de nouveaux cas et les taux d’incidence de cancer à l’échelle régionale et nationale de 1983 à 2032. Elle se veut une ressource importante pour les chercheurs et les planificateurs du domaine de la santé. Plus important encore, nous espérons que cette monographie permettra : - de fournir des commentaires fondés sur des données probantes permettant l’élaboration de priorités stratégiques en matière de santé publique à l’échelle régionale et nationale; - de guider les responsables de la santé publique dans la planification d’une stratégie, notamment la conception et l’évaluation d’interventions préventives, ainsi que la planification des ressources (exigences relatives au traitement) et des infrastructures pour assurer la prestation future de soins de santé et de mesures de lutte contre le cancer en vue de réduire le fardeau de la maladie au Canada.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.007 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.004 | 0.014 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.005 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".