Tendances des taux d’incidence des maladies chroniques d’après le Système canadien de surveillance des maladies chroniques
Bibliographic record
Abstract
Introduction Le Système canadien de surveillance des maladies chroniques (SCSMC) de l’Agence de la santé publique du Canada (ASPC) produit des estimations de la prévalence et de l’incidence des maladies chroniques au sein de la population à l’aide de données administratives sur la santé. Notre projet visait à évaluer les tendances des taux d’incidence au fil du temps, car elles jouent un rôle essentiel dans la compréhension de l’évolution des risques pour la population et dans l’orientation des politiques. Méthodologie Nous avons obtenu les cas incidents et diagnostiqués d’asthme, de maladie pulmonaire obstructive chronique (MPOC), de diabète, d’hypertension, de cardiopathie ischémique et d’accident vasculaire cérébral (AVC) auprès de l’infobase en ligne du SCSMC pour les années 1999 à 2012. Nous avons analysé les tendances dans les estimations de l’incidence à l’échelle nationale et régionale à l’aide d’un modèle de régression binomiale négative utilisant l’année comme prédicteur linéaire. Nous avons ensuite utilisé des modèles utilisant l’année comme spline cubique restreinte pour vérifier les écarts de linéarité au moyen du test du rapport de vraisemblance. L’âge et le sexe ont été intégrés comme covariables dans tous les modèles. Résultats Dans les modèles où l’année a été utilisée comme prédicteur linéaire, les taux d’incidence nationaux diminuaient dans le temps pour toutes les maladies sauf le diabète et les taux d’incidence régionaux diminuaient également pour la plupart des maladies et dans la plupart des régions. Toutefois, les tests du rapport de vraisemblance ont révélé des écarts statistiquement significatifs par rapport à l’effet linéaire de l’année pour de nombreuses maladies et dans de nombreuses régions, en particulier pour l’hypertension. Conclusion Les estimations de l’incidence des maladies chroniques fondées sur les données du SCSMC font état d’une diminution dans le temps, mais à un taux non constant. D’autres recherches sont nécessaires pour déterminer si cette diminution est associée à des changements dans l’état de santé de la population, dans la qualité des données ou dans les pratiques médicales. De la même manière, les caractéristiques de la population susceptibles d’avoir une influence sur l’évolution des tendances de l’incidence requièrent un examen approfondi.
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 | 0.005 | 0.030 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.005 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| 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".