Exploring the Implications of Small-Area Variation in the Incidence of Multiple Sclerosis
Notice bibliographique
Résumé
In this study, we describe the geospatial variation in the incidence of multiple sclerosis (MS) in Manitoba, Canada, and the sociodemographic characteristics associated with MS incidence. By using administrative health data, we identified all incident cases of MS in Manitoba from 1990 to 2006 (n = 2,290) and geocoded them to 230 neighborhoods in the City of Winnipeg and 268 municipalities in rural Manitoba. Age-standardized incidence rates for 1990-2006 (combined) were calculated for each region. By using the spatial scan statistic, we identified high-rate clusters in southwestern (incidence rate ratio (IRR) = 1.48) and central Winnipeg (IRR = 1.54) and low-rate clusters in north-central Winnipeg (IRR = 0.52) and northern Manitoba (IRR = 0.48). Multivariable Poisson regression showed a positive association between MS incidence rates and socioeconomic status. Despite our finding that MS incidence varied geographically and by socioeconomic status, the low Gini coefficient of 0.152 for MS incidence identified in this study suggests that the causes of MS are pervasive across all population groups. Searching for local-level causes of the disease may therefore not be as productive as investigating etiological factors operating at the population level. This may require an examination of macro-level differences in environmental exposures between high- and low-incidence regions of the world.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».