Geo-epidemiological reporting and spatial clustering of the 10 most prevalent cancers in Iran
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,000 | 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 découle