Life course behavioural risk factors of head and neck cancers: A Bayesian approach
Bibliographic record
Abstract
Contexte: Des décennies de recherche ont permis d'identifier les principaux facteurs de risque des cancers de la tête et du cou (CTC). Les habitudes de consommation de tabac et d'alcool expliquent une part importante de l'incidence mondiale de cette maladie. Au cours des dernières années, l'infection orale par le papillomavirus humain (VPH) a été identifiée comme un facteur de risque principalement pour les cancers de l'oropharynx (un sous-groupe de CTC).Cependant, plusieurs questions importantes demeurent sans réponse : i) le tabagisme à tous les âges présente-t-il le même risque de développer des CTC ? ii) le fait de fumer après une infection orale au VPH influence-t-il le risque d'un individu ? iii) Quelle est la durée de latence du tabagisme pour les CTC ? Ces questions portent sur le moment de l'exposition et le temps écoulé entre l'exposition et la maladie.L'approche du parcours de vie en épidémiologie peut fournir un cadre conceptuel pour répondre aux questions ci-dessus. Objectif: L'objectif global de ce projet de doctorat est de comparer des modèles de facteurs de risque comportementaux de l'approche du parcours de vie dans deux pays ayant des conditions socioculturelles et un développement économique différents.Méthodes: Nous avons utilisé les données de l'étude HeNCe Life, une étude cas-témoins en milieu hospitalier réalisée au Canada et en Inde en utilisant des protocoles similaires. Les cas étaient des sujets nouvellement diagnostiqués avec des carcinomes épidermoïdes primaires de la bouche, du pharynx et du larynx aux stades I à IV recrutés dans divers hôpitaux. Les sujets témoins étaient des patients non cancéreux sélectionnés dans diverses cliniques externes dans un hôpital situé dans la même zone de couverture que les cas et appariés aux cas en fonction de l'âge et du sexe. Des informations sur le parcours de vie pour un large éventail de facteurs de risque ont été recueillies grâce à des questionnaires structurés et à l'aide d'une grille de vie.Nous avons estimé et comparé la trajectoire de vie moyenne des habitudes de tabagisme et de chique du bétel dans deux pays (Manuscrit I). Motivés par la complexité des données, nous avons développé le modèle bayésien d'exposition pertinente au cours de la vie (Bayesian relevant life course exposure model; BRLM) pour étudier des hypothèses selon l'approche du parcours de vie avec des expositions continues (Manuscrit II). En utilisant le BRLM, nous avons identifié les hypothèses de parcours de vie qui décrivent le mieux l'association entre le tabagisme et les cancers buccaux négatifs pour le VPH dans deux pays (Manuscrit III). Nous avons également estimé la fonction de latence du tabagisme en ce qui a trait au risque de CTC positif et négatif au VPH (Manuscrit 4).Résultats: Les trajectoires moyennes du parcours de vie des habitudes de tabagisme dans deux pays ont montré des tendances similaires avec une forme de bosse. Les cas de CTC présentaient une intensité de tabagisme plus élevée que les témoins, pendant la majeure partie de leur vie, dans les deux pays.Le BRLM a identifié l'hypothèse « vraie » du parcours de vie dans toutes les combinaisons d'hypothèses et de tailles d'échantillons testées dans l'étude de simulation. La période avant et jusqu'à l'âge de 20 ans a été identifiée comme une période sensible pour la chique du bétel associée à un risque accru de développer un cancer buccal plus tard dans la vie.Les résultats du manuscrit III suggèrent une période de vie sensible plus tardive pour le tabagisme en relation avec le risque de CTC négatif au VPH à la fois au Canada et en Inde.Enfin, les résultats du manuscrit IV suggèrent une interaction temporelle entre l'infection par le VPH et le tabagisme par rapport au risque de CTC au Canada.Conclusion: Des périodes sensibles existent pour les facteurs de risque comportementaux en ce qui concerne le risque de développer un CTC plus tard dans la vie.
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 | 0.009 | 0.020 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.003 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.008 | 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".