Improving Visualization of Female Breast Cancer Survival Estimates: Analysis Using Interactive Mapping Reports
Notice bibliographique
Résumé
BACKGROUND: The Missouri Cancer Registry collects population-based cancer incidence data on Missouri residents diagnosed with reportable malignant neoplasms. The Missouri Cancer Registry wanted to produce data that would be of interest to lawmakers as well as public health officials at the legislative district level on breast cancer, the most common non-skin cancer among females. OBJECTIVE: The aim was to measure and interactively visualize survival data of female breast cancer cases in the Missouri Cancer Registry. METHODS: Female breast cancer data were linked to Missouri death records and the Social Security Death Index. Unlinked female breast cancer cases were crossmatched to the National Death Index. Female breast cancer cases in subcounty senate districts were geocoded using TIGER/Line shapefiles to identify their district. A database was created and analyzed in SEER*Stat. Senatorial district maps were created using US Census Bureau's cartographic boundary files. The results were loaded with the cartographic data into InstantAtlas software to produce interactive mapping reports. RESULTS: Female breast cancer survival profiles of 5-year cause-specific survival percentages and 95% confidence intervals, displayed in tables and interactive maps, were created for all 34 senatorial districts. The maps visualized survival data by age, race, stage, and grade at diagnosis for the period from 2004 through 2010. CONCLUSIONS: Linking cancer registry data to the National Death Index database improved accuracy of female breast cancer survival data in Missouri and this could positively impact cancer research and policy. The created survival mapping report could be very informative and usable by public health professionals, policy makers, at-risk women, and the public.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| 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 ».