Projection du fardeau du cancer au Canada en 2024
Bibliographic record
Abstract
Résumé Contexte: Les données de surveillance du cancer sont essentielles pour mieux comprendre les lacunes et les progrès réalisés dans la lutte contre le cancer. Nous avons cherché à résumer les répercussions prévues du cancer au Canada en 2024, en effectuant des projections sur les nouveaux cas de cancer et les décès par cancer, par sexe et par province ou territoire, pour tous les âges confondus. Méthodes: Nous avons obtenu les données sur les nouveaux cas de cancer (c.-à-d., l’incidence, 1984–2019) et les décès par cancer (c.-à-d., la mortalité, 1984–2020) du Registre canadien du cancer et de la Base canadienne de données de l’état civil — Décès, respectivement. Nous avons projeté les chiffres et les taux d’incidence du cancer et de mortalité jusqu’en 2024 pour 23 types de cancer, par sexe et par province ou territoire. Nous avons calculé des taux normalisés selon l’âge au moyen de données de la population type canadienne de 2011. Résultats: En 2024, les nombres de nouveaux cas de cancer et de décès causés par le cancer devraient atteindre 247 100 et 88 100, respectivement. Le taux d’incidence normalisé selon l’âge (TINA) et le taux de mortalité normalisé selon l’âge (TMNA) devraient diminuer légèrement par rapport aux années précédentes, tant chez les hommes que chez les femmes, avec des taux plus élevés chez les hommes (TINA de 562,2 pour 100 000, et TMNA de 209,6 pour 100 000 chez les hommes; TINA de 495,9 pour 100 000 et TMNA de 152,8 pour 100 000 chez les femmes). Les TINA et les TMNA de plusieurs cancers courants devraient continuer à diminuer (p. ex., cancer du poumon, cancer colorectal et cancer de la prostate), tandis que ceux de plusieurs autres cancers devraient augmenter (p. ex., cancer du foie et des voies biliaires intrahépatiques, cancer du rein, mélanome et lymphome non hodgkinien). Interprétation: Bien que l’incidence globale du cancer et la mortalité connexe sont en déclin, il devrait y avoir une augmentation des nouveaux cas et des décès au Canada en 2024, en grande partie en raison de la croissance et du vieillissement de la population. Les efforts en matière de prévention, de dépistage et de traitement ont atténué les répercussions de certains cancers, mais ces projections à court terme soulignent l’effet potentiel du cancer sur les gens et les systèmes de soins de santé 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 | 0.001 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.003 | 0.006 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.006 | 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".