Développement d’un algorithme pour la surveillance de l’incidence du cancer colorectal à Montréal avec les banques données médico-administratives de la RAMQ
Bibliographic record
Abstract
Contexte : Les méthodes actuelles, d’identification des cas de cancer, utilisées au Québec et ailleurs sont connues pour sous-estimer le fardeau du cancer, en particulier pour certains sous- groupes de population. Les algorithmes utilisant des données de facturation constituent des options peu coûteuses pour améliorer la qualité de la surveillance du cancer, mais n’ont pas été mis en place au niveau populationnel. Objectifs : Nos objectifs étaient de : 1) développer un algorithme permettant l’identification des cas de cancer colorectal (CCR) en utilisant, au niveau populationnel, les données des hospitalisations et de facturation ; 2) valider l’algorithme ; et 3) décrire les caractéristiques des cas nouvellement capturés. Méthodes : Nous avons jumelé les données de facturation des médecins, des hospitalisations et du fichier des tumeurs (FiTQ) pour 2 013 430 résidents montréalais âgés de 20 et plus entre le 1er avril 2000 et le 31 mars 2010. Nous avons comparé les performances de trois algorithmes basés sur des codes de diagnostics et différentes sources de données. Nous avons validé les cas de CCR identifiés en utilisant les codes d’acte de traitement, la répartition par site et les tendances temporelles. Nous avons décrit les cas identifiés selon l’âge, le sexe, le statut socioéconomique et les types de traitement. Résultats : Notre algorithme basé sur les codes de diagnostics et de traitement identifie 11 476 des 12 933 cas incidents de CCR contenus dans le FiTQ ainsi que 2 317 cas nouvellement capturés. Nos cas ont des tendances globales dans le temps et des distributions par site similaires aux données existantes, ce qui augmente notre confiance en l’algorithme. Notre algorithme a capturé, en termes de pourcentage, plus d’individus âgés de 50 ans et moins chez les cas de CCR nouvellement capturés : 8,2 % contre 5,3 %. De plus, les cas nouvellement capturés sont plus susceptibles de vivre dans des zones favorisées socioéconomiquement. Conclusions : Notre algorithme fournit un portrait plus complet de l’incidence du CCR à l’échelle de la population que les méthodes actuelles d’identification. Il pourrait être utilisé pour estimer les tendances de l’incidence à long terme, aider à la surveillance en temps opportun et supporter les interventions, au Québec et dans d’autres provinces ou pays ayant des données similaires.
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 | 0.007 | 0.024 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.003 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.004 | 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".