Predicting cancer incidence in Switzerland

Résumé 0

Projecting the future of cancer incidence in a country is an important task for planning future cancer interventions and research and for allocating economic resources. This is a complex exercise, however, as is any attempt to anticipate the future. Applying leave-future-out cross-validation to data from three Swiss cancer registries (Vaud, Geneva, and Neuchâtel) and the period 1982-2016, we compared the predictive performance of a large number of models used in the cancer prediction literature: widely used age-period-cohort (APC) models and their Bayesian counterparts (BAPC), classical generalized linear models (GLM), autoregressive integrated moving average (ARIMA) models, and linear models (LM). Perhaps surprisingly, we found that the simpler a model is, the better it performs in predicting future cancer incidence, in line with the famous Occam's razor principle, which recommends looking for explanations constructed with the smallest possible set of elements. Models simply extrapolating past tendencies (ARIMA, LM) outperformed models seeking to estimate and then project underlying effects (GLM, APC, BAPC). Among the first, models relying on few parameters (e.g. low-order ARIMA) outperformed more complex higher-order models that closely fit observed data, as well as methods based on the well-known AIC selection criterion. The best model in our comparative study, an ARIMA(2,1,1), was applied to predict cancer incidence in Switzerland until 2025, anticipating a substantial stabilization of the risk of developing cancer for the next few years. Combining this trend with the demographic projections of the Swiss Federal Statistical Office, however, we anticipated a substantial increase in the annual number of new cancer cases, entirely due to demographic changes. This increase was estimated at +18% for men and +11% for women, with increases ranging from 4.15% for thyroid in men to 26% for bladder in men. Estimating (and predicting) trends in cancer incidence over time can be confounded by changes in cancer detection, such as but not limited to: the introduction or modification of screening programs, the use of different screening tools, and incidental detection. In the third part of this thesis, we proposed a model capable of adjusting for these changes and thus estimating the true underlying trend in cancer incidence. -- La projection de l'avenir de l'incidence du cancer dans un pays est une tâche importante pour planifier les futures interventions et recherches sur le cancer et pour optimiser l’allocation des ressources. Il s'agit toutefois d'un exercice complexe, comme toute tentative d'anticiper l'avenir. En appliquant une validation croisée aux données de trois registres suisses du cancer (Vaud, Genève et Neuchâtel) pour la période 1982-2016, nous avons comparé la performance prédictive d'un grand nombre de modèles utilisés dans la littérature : les modèles âge-période-cohorte (APC) et leurs équivalents bayésiens (BAPC), les modèles linéaires généralisés (GLM), les modèles autorégressifs intégrés à moyenne mobile (ARIMA) et les modèles linéaires (LM). De manière peut-être surprenante, nous avons constaté que plus un modèle est simple, plus il est performant dans la prédiction, conformément au célèbre principe du rasoir d'Occam, qui veut que la solution la plus simple soit préférée. Les modèles qui se contentent d'extrapoler les tendances passées (ARIMA, LM) sont plus performants que ceux qui tentent d'estimer puis de projeter des effets sous-jacents (GLM, APC, BAPC). Le modèle le plus performant a été L’ARIMA (2,1,1). Ce dernier s’est notamment révélé meilleur que ceux qui sélectionnent la complexité du modèle avec un critère comme l’AIC. Ce meilleur modèle a été appliqué pour prédire l'incidence du cancer en Suisse jusqu'en 2025, anticipant une stabilisation du risque de développer un cancer dans les années à venir. En combinant cette tendance avec les projections démographiques de l'Office fédéral de la statistique, nous avons cependant anticipé une augmentation substantielle du nombre annuel de nouveaux cas de cancer, entièrement due aux changements démographiques. Cette augmentation a été estimée à +18% pour les hommes et +11% pour les femmes, avec des augmentations allant de 4,15% pour la thyroïde chez l'homme à 26% pour la vessie chez l'homme. L'estimation (et la prévision) des tendances de l'incidence du cancer au fil du temps peut être en partie faussée par les changements dans les processus de détection du cancer, tels que, mais sans s'y limiter : l'introduction ou la modification des programmes de dépistage, l'utilisation de différents outils de dépistage, et la détection opportuniste. Dans la troisième partie de cette thèse, nous avons proposé un modèle capable de s'ajuster à ces changements et donc d'estimer la véritable tendance sous-jacente de l'incidence du cancer.