From smoking scenarios to lung cancer mortality: sequential bayesian APC projections

Abstract

This working paper develops a sequential Bayesian age–period–cohort (APC) framework for projecting cancer mortality under alternative smoking scenarios using aggregate population data. The framework estimates smoking-prevalence surfaces, reconstructs cohort smoking states, maps effective exposure into incidence through external relative risks and risk-reversion schedules, and translates projected incidence into mortality using post-diagnosis mortality schedules. Simulation results evaluate recovery of known scenario effects, and the empirical illustration uses lung-cancer data from Uruguay with an extension to nine smoking-related cancer sites.

Este documento desarrolla un marco bayesiano secuencial edad–período–cohorte (APC) para proyectar la mortalidad por cáncer bajo escenarios alternativos de tabaquismo usando datos agregados de población. El enfoque estima superficies de prevalencia de tabaquismo a partir de encuestas transversales repetidas, reconstruye la composición de estados de tabaquismo por cohorte, traduce la exposición efectiva en incidencia mediante riesgos relativos y trayectorias de reversión del riesgo, y proyecta la mortalidad a partir de la incidencia mediante calendarios externos de mortalidad posterior al diagnóstico. El método se evalúa mediante simulaciones con efectos de escenario conocidos y se ilustra con datos de cáncer de pulmón de Uruguay, incluyendo una extensión a nueve sitios tumorales relacionados con el tabaquismo.