Spatial-temporal analysis of bladder cancer risk in the New England Bladder Cancer Study
Notice bibliographique
Résumé
Background: Exploring spatial-temporal patterns of disease incidence can identify areas of significantly elevated or decreased risk, providing potential clues about disease risk factors and timing of exposure. Aims: We sought to explore the spatial-temporal risk of bladder cancer in three New England states in the United States. Methods: We examined bladder cancer risk in relation to residential location based on interview data from a large, population-based case-control study conducted in Maine, New Hampshire, and Vermont from 2001 to 2004 (N = 500 urothelial carcinoma case patients and 602 control subjects). Subjects in the analysis data set resided within the study area for the 25-year period before study enrollment. We used crude and adjusted generalized additive models to spatially model the probability of being a case. We adjusted for several important risk factors, including smoking history, occupational history, and exposure to drinking water contaminants (arsenic, disinfection by-product exposure). We evaluated models at several different time periods independently to explore the presence of significant risk areas in a time frame of etiologic relevance. We also modeled cumulative spatial risk over 25 years before diagnosis of disease. Results: Risk of bladder cancer varied over space and the pattern of unexplained risk was consistent in time windows of 5, 10, 15, 20 years before diagnosis and at time of diagnosis. Analyses stratified by French Canadian status revealed a distinct spatial pattern of unexplained risk among French Canadians. Conclusions: We found a significant association between spatial location and bladder cancer risk after adjusting for several important risk factors. Additional analyses of etiologic factors to determine the reason for this association will be presented.
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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 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 ».