Les variations géographiques de la mortalité par cancer au Québec en relation avec l’incidence et la létalité, 2000-2004
Bibliographic record
Abstract
Le cancer occupe le premier rang parmi les causes de décès au Québec. Les taux de mortalité diffèrent cependant à travers les régions du Québec. En considérant les territoires des Centres de santé et de services sociaux (CSSS), ce mémoire propose dans un premier temps d’étudier la distribution des taux de mortalité pour les principaux sièges de cancer, d’identifier les régions où une différence significative du taux avec le reste du Québec est perceptible et d’approfondir des éléments impliqués dans la mortalité, soit l’incidence et la létalité. D’autre part, dans le but d’expliquer les variations des taux de mortalité, des variables socio-économiques liées aux territoires retenus serviront de variables explicatives au modèle de régression utilisé. Les résultats ont permis de constater que c’est pour le cancer du poumon que les écarts significatifs sont les plus nombreux. Quant au cancer colorectal, un seul territoire présentait un écart significatif. Pour ce qui est du cancer de la prostate et du sein, aucun écart n’est perceptible dans les taux de mortalité. Concernant la partie explicative de la mortalité, dans le cas du cancer du poumon, les taux d’incidence sont fortement corrélés aux taux de mortalité. On ne peut cependant faire le même constat pour les cancers colorectal, du sein et de la prostate. De plus, les variables socio-économiques considérées pour les territoires de CSSS ne permettaient pas d’arriver à un modèle explicatif convaincant. Ces résultats montrent la nécessité d’avoir des données longitudinales permettant de suivre les individus dès le moment où le diagnostic de cancer est établi afin d’être en mesure de mieux mesurer les liens entre l’incidence, la survie, le niveau socio-économique et la mortalité.
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 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.004 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 0.000 |
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".