Geo-epidemiological reporting and spatial clustering of the 10 most prevalent cancers in Iran
Notice bibliographique
Résumé
Cancer is a problem of both global and local concern. We determined the geo-epidemiological and spatial distribution of the 10 most common cancers in Iran. We used the data of the Iranian Cancer Registry for the year 2014 analysing the prevalence of 112,131 registered cancer cases with the aim of detecting potential geographical underlying causes. The geographic distribution of cancers is reported as standardized incidence rates at the provincial level considering risk with respect to sex and age. A geographical information systems (GIS) approach based on Anselin Local Moran's index method was used to map clusters and spatial autocorrelation patterns. The mean age of the patients was 55.6 (±17.8) and 61.7 (±18.2) for females and males, respectively, in the database which showed 46.1% (n=51,665) of all cases to be female. Analysis of the spatial distribution of cancers showed significant differences among the different provinces. Stomach and breast cancers were the most prevalent cancers in men and females, respectively. The highest incidence rates of stomach cancer were found in Ardabil and Zanjan provinces, with 48.38 and 48.08 per 100,000 population, respectively, while Tehran and Yazd provinces had the highest incidences of breast cancer, 51.0 and 47.5 per 100,000 population, respectively. Strong clustering patterns for stomach and breast cancers were identified in the north-western provinces and in Semnan Province, respectively. These patterns indicate a diversity of geo-epidemiological contributing factors to cancer incidence in Iran.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,004 | 0,008 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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 ».