Long Term Correlation between Cancer and Cardiovascular Deaths According to Various Trends in Slovak Districts 1994-2003
Notice bibliographique
Résumé
The aim of the article was to point out recorded cardiovascular deaths did not copy the real number of cardiovascular deaths, but may also include other causes of deaths. We evaluated all death notifications reported to the Statistical Office of the Slovak republic during the 10-year period, that is 519,680 cases in total. We analysed the year of death, location of death and the cause of death. The causes of deaths were split into three groups: cancer deaths, cardiovascular deaths (CVD) and other deaths. We used the fuzzy c cluster analysis and the basic epidemiological and statistical methods for the evaluation. We uncovered some Slovak districts had long-term higher mortality (Lucenec, Rimavská Sobota, Roznava, Trebisov and Krupina), as well as the other districts having the long-term lower mortality (Bratislava, Kosice, almost all Zilina region, Poprad, Spisská Nová Ves and Dunajská Streda). The cancer and cardiovascular deaths significantly correlated in terms of the Slovak districts. Evaluating the mutual causes of death proportion we identified two groups of Slovak districts; the first group of districts showing higher CVD deaths had lower cancer and other deaths, the second having higher proportion of cancer and other deaths reached the lower CVD deaths. It seems deaths have the similar pattern throughout the whole country, and the numerical differences are probably given only by the quality and the quantity of the death certification.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 ».