Prediction of Colorectal Cancer Incidence Rate in the Counties of Fars Province, Iran: An Application of Small Area Estimation
Notice bibliographique
Résumé
Background: Colorectal cancer (CRC) is one of the main causes of mortality and morbidity worldwide. Socio-economic status is one of the most important related factors with CRC. Objectives: In this study, we used the human development index (HDI) as one of the common measures of socio-economic status to predict the incidence rate of CRC in the counties of Fars Province in Iran. Methods: In this ecological study, we used the medical records of 108 patients with CRC from Fars province, who referred to Shahid Faghihi Hospital in Shiraz from January 2011 to March 2013. Since sample sizes were not efficient in all the counties, we used the log-normal model within small area estimation framework to have a reliable prediction for the incidence rate in each county. As using related auxiliary variables is necessary in small area models, we considered the HDI of counties as an auxiliary variable. Results: The findings showed that there was a significant direct relationship between HDI and CRC incidence rate. Furthermore, the highest predicted rates were observed in the northern and eastern parts of the province. Conclusions: In order to compensate the deficiency of sample size in some of the counties, we used a small area model to predict the CRC incidence rate. The highest incidence rates mostly occurred in the counties with the highest HDI. It is observed that the counties with higher incidence rates are closer to more industrial provinces and the counties with lower incidence rates are closer to less industrial provinces. So, it seems that development disparities strongly affected the incidence rates.
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 | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».