Geographical variation and factors associated with gastric cancer in Manitoba
Notice bibliographique
Résumé
OBJECTIVES: We investigated the spatial disparities and factors associated with gastric cancer (GC) Incidence in Manitoba. METHODS: We combined information from Manitoba Cancer registry and Census data to obtain an age-sex adjusted relative risk (IRR) of GC incidence. We geocoded the IRR to the 96 regional health authority districts (RHADs) using the postal code conversion file (PCCF). Bayesian spatial and spatio-temporal Poisson regression models were used for the analysis. RESULTS: Adjusting for the effect of socio-economic score index (SESI), Indigenous, and immigrant population, 25 districts with high overall GC risk were identified. One unit increase in SESI was associated with reduced risk of cardia GC (CGC) by 14% (IRR = 0.859; 95% CI: 0.780-0.947) and the risk of non-cardia GC (NCGC) by approximately 10% (IRR = 0.898; 95% CI: 0.812-0.995); 1% increase in regional Indigenous population proportion reduced the risk of CGC by 1.4% (IRR = 0.986; 95% CI: 0.978-0.994). In the analysis stratified by sex, one unit increase in SESI reduced the risk of CGC among women by 26.2% (IRR = 0.738; 95% CI: 0.618-0.879), and a 1% increase in Indigenous population proportion reduced the risk of CGC among women by 1.9% (IRR = 0.981; 95% CI: 0.966-0.996). CONCLUSION: Our results support a significant association between SESI and NCGC. We report regional variation of GC IRR and a varying temporal pattern across the RHADs. These results could be used to prioritize interventions for regions with high and progressive risk of GC.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».