Small-area spatio-temporal analyses of bladder and kidney cancer risk in Nova Scotia, Canada
Notice bibliographique
Résumé
Background: Bladder and kidney cancers are the ninth and twelfth most common type of cancer worldwide, respectively. Internationally, rates vary ten-fold, with several countries showing rising incidence. This study describes the spatial and spatio-temporal variations in the incidence risk of these diseases for Nova Scotia, a province located in Atlantic Canada, where rates for bladder and kidney cancer exceed those of the national average by about 25 % and 35 %, respectively. Methods Cancer incidence in the 311 Communities of Nova-Scotia was analyzed with a spatial autoregressive model for the case counts of bladder and kidney cancers (3,232 and 2,143 total cases, respectively), accounting for each Community's population and including variables known to influence risk. A spatially-continuous analysis, using a geostatistical Local Expectation-Maximization smoothing algorithm, modeled finer-scale spatial variation in risk for south-western Nova Scotia (1,810 bladder and 957 kidney cases) and Cape Breton (1,101 bladder, 703 kidney). Results Evidence of spatial variations in the risk of bladder and kidney cancer was demonstrated using both aggregated Community-level mapping and continuous-grid based localized mapping; and these were generally stable over time. The Community-level analysis suggested that much of this heterogeneity was not accounted for by known explanatory variables. There appears to be a north-east to south-west increasing gradient with a number of south-western Communities have risk of bladder or kidney cancer more than 10 % above the provincial average. Kidney cancer risk was also elevated in various northeastern communities. Over a 12 year period this exceedance translated in an excess of 200 cases. Patterns of variations in risk obtained from the spatially continuous smoothing analysis generally mirrored those from the Community-level autoregressive model, although these more localized risk estimates resulted in a larger spatial extent for which risk is likely to be elevated. Conclusions Modelling the spatio-temporal distribution of disease risk enabled the quantification of risk relative to expected background levels and the identification of high risk areas. It also permitted the determination of the relative stability of the observed patterns over time and in this study, pointed to excess risk potentially driven by exposure to risk factors that act in a sustained manner over time.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 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 ».