Cluster of liver cancer and immigration: A geographic analysis of incidence data for Ontario 1998–2002
Notice bibliographique
Résumé
BACKGROUND: Liver cancer is not common in Canada in general; however, clustering of the disease causes a concern. We conducted a spatial analysis to determine the geographic variation of liver cancer and its association with the proportion of immigration in Ontario. Liver cancer incidence data between 1998 and 2002 were obtained from the Ontario Cancer Registry. The Canadian Community Health Survey (CCHS) in 2001 provided information on potential risk factors. RESULTS: Age standardized incidence ratios (SIR) for liver cancer and prevalence of potential risk factors were calculated for each of 35 health regions. The SIRs for liver cancer varied across the 35 health regions (p < 0.01). Toronto and York health regions had a significantly higher SIR than other regions, indicated by the Scan method (p < 0.001). Poisson models with and without random effects were fitted to determine independent ecological contributors. After adjustment for sex, age and spatial location, the proportion of immigrants remained a significant determinant. Smoking, alcohol drinking, physical activity, education, income, obesity and diabetes did not substantially explain the geographic variation of liver cancer in Ontario. CONCLUSION: Immigration is an important reason for the clustering of liver cancer in Ontario. More attention should be paid to areas with a high proportion of immigrants.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».