Analysis of acute myeloid leukemia incidence and geographic distribution in Canada from 1992 to 2010 reveals disease clusters in Sarnia and other industrial US border cities in Ontario
Notice bibliographique
Résumé
BACKGROUND: Several risk factors have been implicated in acute myeloid leukemia (AML) leukemogenesis. However, the epidemiologic distribution and precise triggers for AML in Canada remain poorly understood. METHODS: In this study, demographic data for AML patients in Canada from 1992 to 2010 were analyzed using 3 independent population-based cancer registries. The AML incidence and mortality rates were examined at the levels of province/territory, city, and forward sortation area (FSA) postal code. RESULTS: In total, 18,085 patients were identified. AML incidence was documented to be 30.61 cases per million individuals per year (95% confidence interval [CI], 30.17-31.06) from 1992 to 2010. Five industrial cities in Ontario were identified where incidence rates were significantly higher than the national average: Sarnia, Sault Ste. Marie, Thunder Bay, St. Catharines, and Hamilton. Analysis at the FSA postal code level identified significant patient clusters of AML in these cities. Specifically, FSA N7V in Sarnia, Ontario had an incidence of 106.81 (95% CI, 70.96-161.86) cases per million individuals per year, which is >3 times higher than the national average. The pollution from local oil refineries and chemical plants in Sarnia may be implicated as a risk factor for AML in that city. Analysis of mortality rates at the province and city levels corroborated the findings from the incidence data. CONCLUSION: These results provide a comprehensive analysis of AML burden in Canada and reveal striking geographic case clustering in industrial Ontario cities and potentially implicate exposure to materials/pollution from these plants as an important risk factor for developing AML in Canada.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| 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 ».