MétaCan
Menu
Retour à la cohorte
Enregistrement W2020578868 · doi:10.5539/gjhs.v4n5p63

Application of Moran’s Test with an Empirical Bayesian Rate to Leading Health Care Problems in Taiwan in a 7-Year Period (2002–2008)

2012· article· en· W2020578868 sur OpenAlexvenueno aff
Pui-Jen Tsai

Notice bibliographique

RevueGlobal Journal of Health Science · 2012
Typearticle
Langueen
DomaineMedicine
ThématiqueData-Driven Disease Surveillance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDemographySpatial analysisGeographyLogistic regressionStatisticsCluster (spacecraft)CartographyPopulationSpatial distributionCluster analysisEnvironmental healthMedicineMathematicsComputer science

Résumé

récupéré en direct d'OpenAlex

PURPOSE: This study focused on using Moran's tests and logistic regression to detect changes in spatial clustering for females and males. METHODS: For spatial distribution analysis, an average morbidity rate for a 7-year period was calculated. Medical cases from Taiwan National Health Insurance (NHI) were used as the numerator, and the denominator was the average mid-year population. Spatial analysis techniques, with a morbidity-smoothing coefficient estimate based on the empirical Bayesian method, were incorporated and applied to global and local Moran tests. In addition, we used a logistic regression model to test the characteristics of similarity and dissimilarity between males and females and to formulate the common spatial risk. RESULTS: The mean found by local spatial autocorrelation analysis was used to identify spatial cluster patterns. There is great interest in discovering the relationship between leading health care problems and spatial risk factors. For example, in Taiwan, the geographic distribution of clusters where neoplasms were prevalent was found to closely correspond to the locations in the arseniasis-endemic areas of Southwestern and Northeastern Taiwan, as well as to locations in the Tainan urban area (for females) and clusters in Changhua County and Yunlin County (for males). The high-density populations in urban areas showed carcinogen clusters in Taiwan's 3 main urban centers (i.e., Taipei, Taichung, and Kaohsiung) for female neoplasms. CONCLUSION: Cluster mapping helped clarify issues such as the spatial aspects of both the internal and external correlations for leading health care events. This information greatly assists in assessing spatial risk factors, which facilitates the planning of the most advantageous types of health care policies, as well as the implementation of effective health care services.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,656

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,022
Tête enseignante GPT0,369
Écart entre enseignants0,347 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations23
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGlobal Journal of Health ScienceMême sujetData-Driven Disease SurveillanceTravaux en français237 207