MétaCan
Menu
Retour à la cohorte
Enregistrement W7062234748

Spatial analysis of ischemic heart disease in Manitoba

2019· dissertation· en· W7062234748 sur OpenAlex

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.

aboutLe titre ou le résumé porte un signal canadien du lexique géographique.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueMspace (University of Manitoba) · 2019
Typedissertation
Langueen
DomaineEngineering
ThématiqueAdvanced Power Generation Technologies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCluster (spacecraft)PopulationDiseaseAutoregressive modelPoisson regressionEpidemiologyPoisson distributionSpatial epidemiologySpatial ecology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Introduction: Chronic diseases rarely follow uniform distributions throughout geographical space and so identifying regions that have frequent occurrences or elevated prevalences is important. The disease of interest for this research project was ischemic heart disease (IHD). Objectives: The purpose of this project was to use statistical tools to detect spatial and temporal patterns of IHD in Manitoba. The objectives were to: (1) detect geographic clusters of acute myocardial infarctions (AMI) within Manitoba; (2) assess whether IHD is related to the geographic distribution of some its well-known risk factors; and (3) what relationship IHD has to the temporal dimension throughout geographic space. Methods: The first objective was assessed using the flexible spatial scanner to detect clusters of AMIs. The second objective was assessed using spatial Poisson regression models that modelled the spatial covariance with conditional autoregressive structures. The third objective was assessed by extending the spatial model to the temporal dimension by modeling the temporal covariance with random-walk covariance structures. Space-time interaction effects were assessed to complete the evaluation of the third objective. Results: One primary and eight secondary disease clusters of AMIs were identified, where the primary cluster occurred in the central Manitoba region. Hypertension prevalence and indigenous population proportion significantly predicted IHD prevalence. When controlling for temporal autocorrelation, indigenous population proportion was no longer a significant predictor of IHD. The results were within error the same for males and females when stratifying by sex. Modelled IHD prevalence was found to be decreasing over time, but the majority of this occurred in the female sub-group. Counter to this finding, IHD prevalence in some regions substantially increased over the study period. Conclusions: This research identified AMI clusters as well as modelled the spatial and temporal variation in IHD within 96 regions in Manitoba over 23 years. It was found that there were significant associations between IHD and the two covariates of hypertension and indigenous population proportion. The most significant effect was the space-time interaction, suggesting that the temporal patterns in IHD prevalence vary significantly throughout space, with some regions having significantly increasing trends over time counter to the provincial average.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,414
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,008
Tête enseignante GPT0,195
Écart entre enseignants0,188 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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