MétaCan
Menu
Retour à la cohorte
Enregistrement W2021874750 · doi:10.3138/6338-8m7x-4h12-30t9

The Utility of Exploratory Spatial Data Analysis in the Study of Tuberculosis Incidences in an Urban Canadian Population

2004· article· en· W2021874750 sur OpenAlexaffvenueabout
Suzana Dragioevio, Nadine Schuurman, J. Mark FitzGerald

Notice bibliographique

RevueCartographica The International Journal for Geographic Information and Geovisualization · 2004
Typearticle
Langueen
DomaineMedicine
ThématiqueData-Driven Disease Surveillance
Établissements canadiensVancouver General HospitalSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésPublic healthTuberculosisConfidentialityEpidemiologyGeographyPopulationGeographic information systemData collectionEnvironmental healthData scienceMedicineComputer scienceCartographyStatisticsPathology

Résumé

récupéré en direct d'OpenAlex

Human health is a key determinant of individual quality of life and effective national economic development. Public health management and disease control are important responsibilities for governments and decision makers. In this study, a GIS-based exploratory spatial data analysis (ESDA) process is used to provide insights into the demographic factors associated with incidences of Mycobacterium tuberculosis (TB) in the Greater Vancouver Regional District (GVRD), British Columbia, Canada. The data set is for the period 1995-1999 and includes variables on vital demographics and epidemiological information, together with postal code and genetic composition of TB. The missing observations in the data set and the issue of confidentiality limited the choice of analytical methods. The main objectives of this study were to (1) elaborate the GIS-based ESDA process to explore TB incidences in the GVRD, (2) integrate factor analysis and cluster analysis into the ESDA process to discover and interpret the underlying demographic factors associated with TB, and (3) highlight the shortcomings in data collection procedures for epidemiological and health research.

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 enseignants0,424
Score d'incertitude au seuil0,960

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
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 Opus0,027
Tête enseignante GPT0,334
Écart entre enseignants0,307 · 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

Citations10
Publié2004
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCartographica The International Journal for Geographic Information and GeovisualizationMême sujetData-Driven Disease SurveillanceTravaux en français237 207