Krooninen sairaus

tiivistelmä

Vaikka etiologiaa ei juurikaan tunneta, kivessyöpä ilmaantuvuus on nähnyt viimeaikainen merkittävä nousu Pohjois-Euroopassa ja koko monilla Länsi alueilla. Yleisin syöpä miehillä alle 40-vuotias ikä ajaksi kohortti malleja, oletetaan vastuiden

kohdussa

ympäristössä tai varhaislapsuudessa mahdollisimman syyt kohonnut kivessyöpä. Osa näistä tekijöistä voi olla sidottu maantieteeseen kautta olla mukana käyttäytymiseen, kulttuuriin, sosiodemografisista tai rakennetun ympäristön ominaisuudet. Jos näin on, tämä voisi johtaa havaittavissa maantieteellisillä klustereita tapauksista, joka voi johtaa hypoteeseja ympäristönsuojelun tavoitteet interventioon. Koska latenssi välisenä altistetaan ympäristön karsinogeeni ja kivessyöpä diagnoosi, liikkuvuus historiat ovat hyödyllisiä paikkatietojen Klusterianalyysit. Lähimmän naapurin perustuva Q-tilastot mahdollistavat sisällyttämistä muutoksista asuvansa paikkatietojen tauti klusterin havaitsemiseen. Käyttämällä näitä menetelmiä, tila-aika-klusterin analyysi suoritettiin populaatiossa laajuinen tapaus-verrokki väestön valittu Tanskan Syöpärekisterissä liikkuvuuteen historia vuodesta 1971 uutettu Tanskan Civil rekisteröintijärjestelmä. Tapaukset (N = 3297) todettiin vuodesta 1991 vuoteen 2003, ja kahdet ohjaimet (N = 3297 kullekin joukolle) Hyväksytty sukupuoli ja syntymäaika oli mukana tutkimuksessa. Tutkimme myös spatiaalikirjois- äidin asuin- historiassa niissä tapauksissa ja valvontaa syntyneet vuonna 1971 tai sen jälkeen (N = 589 tapaus-verrokki paria). Useat pienet klustereita havaittiin linjauksessa yksityisille vuotta ennen diagnoosia, ikä diagnoosin ja kalenterivuosittain diagnoosin. Kuitenkin suurin näiden klusterien sisälsi vain 2 tilastollisesti merkitsevä yksilöitä niiden keskelle, ja ei toistettu SATSCAN paikkatietoja vain analyysit, jotka ovat vähemmän alttiita useita testaus bias. Löysimme vähän näyttöä paikallisten klusterin asuinalueilla historioissa kivessyöpä tapauksissa tässä Tanskan väestön.

Citation: Sloan CD, Nordsborg RB, Jacquez GM, Raaschou-Nielsen O, Meliker JR (2015) Space-Time-analyysi kivessyöpä Clusters käyttäminen Residential Histories: Case-Control Study Tanskassa. PLoS ONE 10 (3): e0120285. doi: 10,1371 /journal.pone.0120285

Academic Editor: Masaru Katoh, National Cancer Center, JAPAN

vastaanotettu: 05 syyskuu 2014; Hyväksytty: 2. helmikuuta 2015 Julkaistu: 10 maaliskuu 2015

Copyright: © 2015 Sloan et al. Tämä on avoin pääsy artikkeli jaettu ehdoilla Creative Commons Nimeä lisenssi, joka sallii rajoittamattoman käytön, jakelun ja lisääntymiselle millä tahansa välineellä edellyttäen, että alkuperäinen kirjoittaja ja lähde hyvitetään

Data Saatavuus: Saimme dataa tätä käsikirjoituksen kolmannelta osapuolelta. Se sisältää suojattuja potilastietoja, kuten syntymäaika ja kotiosoite jotka eivät ole laillisesti tai eettisesti ilmoitettava julkisesti. Kuitenkin tiedot voidaan saada tietokannan sisältävä sopimus IRB tarkastettavaksi ja hyväksyttäväksi Tanskan tietosuojavirasto. Yhteyshenkilö on Ole Raaschou-Nielsen, MSc, PhD. Viitenumero lupaa on 2007-41-0437.

Rahoitus: Tämä Tutkimusta rahoittivat Yhdysvaltain National Institute of Environmental Health Sciences (https://www.niehs.nih.gov), R21 ES015501, National Cancer Institute (https://www.cancer.gov) R03 CA125827, 5R44CA135818-03, ja 5R44CA112743-03 * JM), Tanskan Cancer Society (lupanumeroon DP08090) ja Tanskan Agency for Science, Technology and Innovation ( https://ufm.dk en) (viitenumero 08-032484) (RBN /ORN). Rahoittajat ollut mitään roolia tutkimuksen suunnittelu, tiedonkeruu ja analyysi, päätös julkaista tai valmistamista käsikirjoituksen.

Kilpailevat edut: Jaymie Meliker, FT, on PLoS One toimituksellisen hallituksen jäsenenä. Geoff Jacquez on puheenjohtaja BioMedware, yritys, joka kehitti SpaceStat ohjelmisto, jota käytettiin laskettaessa Q-tilastot. Tämä ei muuta kirjoittajat noudattamista PLoS One Pääkirjoitus politiikan ja kriteerit. Loput Kirjoittajat ole kilpailevia intressejä paljastaa.

Johdanto

Kivessyöpä esiintyvyys länsimaissa kasvanut dramaattisesti 1940-luvulta 1990-, ja on tullut numero yksi syy syövän miehillä alle ikä 40 [1]. Tarkka syyt ovat edelleen epäselviä, vaikka syntymäkohortti vaikutus on osoitettu olevan tärkeä tekijä [2-4]. Nousu hinnat oli erityisen raskas Pohjois-Euroopassa. Vuodesta 1943-2003 ilmaantuvuusluvuissa Tanskassa kasvoi 3,4-10 tapausta 100000 henkilövuotta; sen hinnat ovat korkeimpia maailmassa [3,5]. Viime vuosina nämä hinnat näyttävät olevan tasaantumassa [6].

Biologisesti, useimmat kivessyöpä voidaan luokitella joko seminomas (sukusolujen) tai nonseminomas. Seminomas esiintyy tyypillisesti viimeistään nonseminomas (myöhään 30: n ja 50-luvun alussa verrattuna alle 30), mikä osoittaa, että saattaa olla etiologinen eroja näiden kahden ryhmän välillä. Huolimatta monista mahdolliset riskitekijät, jotka on tutkittu, ainoa yritys tekijöihin kivessyöpä riski jäädä ikä, suvussa kivessyöpä, kansallisen alkuperän, syntymävuosi, etnisyys, ja cryptochoridism (piilokiveksisyys), joka esiintyy 10% kaikista tapauksista [4,7-11]. Edelleen näyttö viittaa siihen, että äidin tekijät, varhaislapsuudessa ympäristö, ja

kohdussa

ympäristössä voi olla merkitystä, koska kivessyöpä esiintyy yleensä suhteellisen nuori, mutta erityinen riskitekijät ovat vielä tuntemattoman [12-14]. Varmasti on olemassa latenssiaika altistumisen syöpää aiheuttaville aineille ja tautien ilmentymä, joka olisi otettava huomioon suorittamaa epidemiologinen analyysi kivessyöpä.

spatiaalianalyysi Britanniassa tehtiin mutta löytämättä todisteita vastuullisen tekijöiden olivat maantieteellisesti erilaistunut [15]. Vaikka tässä tutkimuksessa tarkasteltiin kivessyöpä hinnat useiden vuosien ajan, ne eivät pystyneet selittämään ihmisen liikkuvuuden ja käyttää koottuja tietoja (äänestysalueilla) kuin yksilötason tietoja. Vastuut mikä kivessyöpä voi tapahtua useita vuosia ennen diagnoosia, siis klusteri havaitseminen asumisen perusteella diagnoosin ei heijasta elämän historia liittyy verestä.

latenssi on vaikea este tutkinnassa paikkatietojen syövän klustereita, yksilöinä ovat usein hyvin liikkuvia ja siirtyvät asuntoja enemmän kuin kerran aikana heidän elämänsä [16-18]. Useat menetelmät ovat viime aikoina kehitetty, jotka auttavat ratkaisemaan tämän vaikean tilastollisen tehtävän, kaksi lupaavimmista on yleistynyt lisäainetta mallit (GAMS), jonka lössi tasaisempi [19] ja Q-tilastot [20-22]. Kukin näistä menetelmistä mahdollistaa kovariaatin säädön ja sisältää ajankäyttöä erityisiä maantieteellisiä koordinaatteja. Q-tilasto on hiljattain osoitettu olevan tehokas paikantaminen simuloitu klustereita [23], ja ne täällä sovellettu suuri kivessyöpä aineisto Tanskasta.

tarkastelemalla järjestelmällisesti asuin- historia, maantieteellinen klustereita kivessyöpä voi näkyä jotka voivat tuottaa johtolankoja, mitä on ajanut viimeaikainen nousu esiintyvyys. Tässä testasimme tätä hypoteesia tekemällä tila-aika-analyysiä asuin historiaa Tanskan kivessyöpä tapauksissa ja 2 sarjaa verrokkeihin. Tämä analyysi on ensimmäinen laatuaan, että se käyttää kattava, valtakunnallinen pitkittäinen tietokanta sisältää kaikki asuin- historian Tanskassa tutkimaan paikallisia klustereita kivessyöpä pitkän ajan kuluessa. Olemme myös valittu kaksi riippumatonta kontrolliryhmää, jotain harvoin tehdään paikkatietojen epidemiologian, mutta viime aikoina osoittanut vaikuttavan havaintoihin paikkatietojen Klusterianalyysit [22].

Materiaalit ja menetelmät

Tutkimus Väestö

Tanskan Syöpärekisteri on kattava valtakunnallinen syöpärekisteritietojen alkanut vuonna 1943. tarkoitetaan tässä tutkimuksessa, valitsimme kivessyöpä diagnosoitu välillä 1 tammikuu

st, 1991 ja 31 joulukuu

st, 2003 (n = 3297) (taulukko 1). Kaikki yksilöt oli kivessyöpä niiden ensisijainen syövän diagnoosi ICD-O morfologia käyttäytyminen koodi 3 (pahanlaatuinen, ensisijaisesta); kuitenkin edeltävä diagnoosi ei-melanooma ihosyöpä sallittiin. Seminooma kivessyöpä määriteltiin ICD-O morfologia koodit: 9060/3, 9061/3, 9062/3 ja 9063/3. Loput tapaukset luokiteltiin ei-seminoomasta. Oli 1871 seminoomasta ja 1426 ei-seminoomasta tapauksissa. Kaksi itsenäistä kontrollihiiriä arvotaan Tanskan siviili rekisteröinti System (CRS) ja sovitettu tapausten iän mukaan 1: 1-suhteessa. Tarkemmin, kukin kontrolliryhmä sisälsi 3297 miehillä syntynyt Tanskassa samana päivänä kuin syövän tapauksessa (tai saman kuukauden jos ei ole elossa valvontaa syntynyt samana päivänä), jotka olivat syöpä-ilmaiseksi (lukuun ottamatta ei-melanooma iho syöpä) ja asuvat Tanskassa aikaan vastaavia tapauksia ”diagnoosi. Käyttö kaksi riippumatonta kontrolliryhmää tukee viime työtä, joka viittaa klusterin tulokset eivät olleet yhdenmukaiset kaksi kontrolliryhmää, minkä perusteella voidaan päätellä, että alueellisen jakautumisen kontrolliryhmien voidaan vaikuttavia havaintoja klusterien [22]. Asuin historiat tapausten ja kontrollien jäljitettiin tietojen avulla CRS 1971 mennessä diagnoosin. Geokoodaus menestystä ja tarkkuus olivat erittäin korkeita, maantieteelliset koordinaatit määrätty 98% osoitteista (67244/68578). Niille sovitettu kotiosoitteeseen (88% asuntojen) osoite piste määritellään korkeintaan 1 metrin etuoven talon, ja tarkkuus geocoding on muutamia metrejä. Toinen 4% oli etsitään naapurin asuinpaikka, 1% katutasossa, ja 5% kunnan tasolla. Tanskan tietosuojaviranomainen hyväksyi tutkimuksen. Mukaisesti Tanskan lain kirjallinen suostumus ei saatu, koska tutkimus oli täysin rekisteripohjaiset ja ei liity biologisia näytteitä tai yhteyttä TET. IRB hyväksyvät työt maantieteelliset koordinaatit asuntojen saatiin läpi Western Institutional Review Board. Kotelot ja kontrollit de-yksilöidään ja ne liitetään satunnainen ID ennen analyysiä. Joitakin suojattuja potilastietoja (sijainti ja päivämäärä sairauden) on täytettävä tutkimukseen, mutta eivät liittyneet potilaiden tunnistettavaa tietoa analyysin aikana.

Kivesten syöpätapausta diagnosoidaan 1991-2003 ja ikä verrokit.

Keräsimme myös asuinosoitteita äideistä tapausten ja kontrollien vuodesta 1971 syntymäaika asian tai valvontaa. Tämä tieto oli saatavilla nuorin 18% tapaus-verrokki paria. Näitä tietoja käytettiin tutkimaan tila-aika paikallinen klustereita äideistä tapausten ja kontrollien raskauden aikana. Jos jokin yksilöiden tapaus-verrokki pari oli puuttuu tietoa äidin osoitteen, pari jätettiin pois analyyseistä. Tiedot äitien osoitteita olemassa 589 tapaus-verrokki paria ensimmäisessä tapauksessa-kontrolliryhmässä, ja 591 tapaus-verrokki paria toisessa ryhmässä, jolloin 3862 ja 3913 asuinosoitteita vastaavasti. Näistä 99% oli paikkatiedot.

Ehdolliset Logistinen regressio

Tutkimus tehtiin etsiä mahdollisesti merkittävän covariates käyttävät ehdollista regressioanalyysimme tapauksiin ja kussakin kontrolliryhmässä. Kovariaatit valittiin perustuu tietojen saatavuudesta nykyisten rekisterien ja olemassa olevan tiedon mahdollisista riskitekijöitä kivessyöpä ja sisältyvät: syntymäpaino (kg) ja syntymä pituus (cm), äidin iän syntyessä, vuotiaana isän syntyessään, äidin siviilisääty (naimisissa, ei koskaan naimisissa, eronnut) Tanskan syntymärekisteri syntyneille jälkeen 1972 aikapainotettu keskimääräinen sosioekonominen asema (SES) käyttäen vuosittain tuloja 271 kuntaa Tanskassa, ja suvussa kivessyöpä ja mahdollisista syöpä ensimmäisen asteen sukulaiset, jonka ilmoittama ensisijainen syövän diagnoosin Cancer Registry. Tulokset regressioanalyysimme käytettiin säätö keskeisten covariates vuonna alueellisen klusterin analyysi, kuten on kuvattu seuraavissa kappaleissa.

Q-tilastot tausta

Täydellinen keskustelu sisällyttämistä asuin- historian osaksi tauti klusterin havaitsemista muodossa Q-tilastot löytyvät muualta [20,23], ja voidaan viitata laajemman selitys näistä menetelmistä. Täällä lyhyesti tarkastella tilastoja levitetään juuri tähän.

Q-tilastot lasketaan mukaan lähimmän naapurin menetelmällä. Aikana tutkimuksen aikana, määrä maantieteellisesti lähimmän naapurin ympäröivä kunkin yksittäisen jotka ovat asian (ei ohjaus) lasketaan. Uusi sarja Q-tilastot lasketaan kussakin vaiheessa, tarkoitetaan mitä tahansa ajankohtana, jolloin ainakin yksi henkilö muutti kotiin asuntoja. Esimerkiksi jos jokainen säilyy sama osoite 2000-2002 ja sitten joku muutti 2003, aika-askel välillä laskelmien tilaston olisi 3 vuotta. Jokainen tilastotieto on summa yli matriisiin lähimmän naapurin suhteita. Tilastollinen merkitys määräytyy permutaatio testaus. Käyttäjä määrittää määrä lähimmät naapurit (

k) B ennen käynnissä laskelmat. Jokainen tilastotieto on duraatiopainotetuista jotta raskaammin painon henkilöitä, jotka ovat asuneet lähiympäristössä kauemmin. Peruskaava Q-tilastot on seuraava: Yhtälö 1

Tämä on määrä, ajanhetkellä

t

, lukumäärästä

k

naapurit tapaus

i

jotka ovat myös tapaus. Tapaus-ohjaus tunnisteiden

c

i

ja

c

j

,

, yksittäisten

i

ja

j

ovat binary (1 jos tapaus, 0 jos kontrollina). Kun

i

on ohjaus, = 0. Termi on binäärinen sijainnin läheisyys matriisin lähimmät naapurit, joka on 1, kun osallistuja

j

on yksi

k

lähin naapurit osallistujan

i

ajankohtana

t

; ja 0 muutoin. Koska on summa tapauksen tilan

k

ainutlaatuinen naapurit yksittäisten

i

, tilasto on välillä 0

k

. Kun

i

on tapaus, alhaiset arvot viittaavat klusterin välttäminen (esim tapaus ympäröimänä kontrollit), ja suuri arvo, että klusterin tapauksissa.

Lisäksi Q-tilastot rakentaa tämän Perusyhtälö tunnistaa klustereita, joita esiintyy mukaan tietyt spatiotemporal kuvioita: yhtälö 2Equation 3Equation 4

yhtälö 2 (summa kaikkien ajankohtina yhtälön 1) käytetään tunnistamaan tapaukset, jotka ovat johdonmukaisesti keskukset paikkatietojen klustereita läpi ajan . Yhtälö 3 kuvaa yleistä tilastotieto, joka osoittaa, klustereiden tapahtuu koko alueella tietyllä hetkellä. Se lasketaan yhteen yhtälön 1 yli kaikissa tapauksissa tuolloin vaiheessa. Yhtälö 4 edelleen tiivistää tätä tilastotieto, ja on maailmanlaajuinen asia kasautumiseen asuin- historian koko tutkimusalueella koko ajan. Se lasketaan yhteen yhtälön 2 yli kaikissa tapauksissa. Tämä tilasto pitää kaikki asuin- historian samanaikaisesti koko tutkimuksen ajan, ja on mitta pysyvyys yleinen ryhmittyminen. Se on suuri, kun kyse klustereiden jatkuu läpi ajan.

Tässä asiakirjassa, yhtälö 2 on yleisimmin käytetty määritettäessä, onko yksilö on keskellä klusterin. Tämä perustuu suorituskykyyn Q-tilastojen aiemmin osoittaneet simulaatioiden perustuu osittain näihin tietoihin [23]. Yhtälö 1 () käytetään tunnistamaan, milloin ja missä henkilö on keskellä paikallisen klusterin. Simulointi analyysi [18] tehtiin auttamaan huomioon useita testaus bias johtuvat useita tilastollisia suoritettujen kokeiden

Q

-tilasto kulkee asuntojen historia. Simulaatiossa analyysissä loimme klustereita ja arvioitiin ennakoivan kykyä eri versioita paikallisen ja globaalin Q-tilastot. Tyypin 1 virhe minimoitiin ja kyky havaita totta rypäleitä maksimoituu, kun käytimme seuraavat kriteerit. Ensinnäkin ehdokas cluster aineosat tunnistettiin käyttämällä

p

≤0.001 varten ja

p

≤0.05 varten. Tässä käytimme tietoa tilastojen määritelty yhtälöiden 1 ja 2 samanaikaisesti tunnistaa mahdollisia klusterin jäseniä. Toiseksi me vaaditaan vähintään 4 näistä klusterin jäseniä olemaan naapurit toisistaan, jotta julistaa klusterin tilastollisesti merkitsevä. Yhtälöt 3 ja 4 eivät ole olleet avuksi vaativille simuloidussa klustereita.

Tilastollinen merkitys määräytyy Randomizing tapaus-verrokki tunnisteiden yli asuin historiaa alla nollahypoteesi mitään yhdistyksen välillä asuin- ja tapaus-verrokki tila . Vain tapaus-verrokki asema on satunnaistettu, ylläpitää yksilön koskemattomuutta asuin- historia, joita sitten käytetään laskettaessa Q tilastoihin. Satunnaistamisen menettely toistuu monta iteraatiota rakentaa jakaumat Q-tilastot alla nollahypoteesin. Säätöä keskeisten covariates, nollahypoteesi voidaan merkitä ne käyttämällä mukautettua todennäköisyydet olemisen tapauksessa laskettuna regressio [21]. Yhtälö ennustamiseksi todennäköisyys olla tapaus tietyn vektorin covariates ja riskitekijöitä

i

th yksilö on: Yhtälö 5

Tässä logit funktio on luonnollinen log kertoimet, ja β on vektori regressio (kulmakerroin) kertoimia. Tuloksiin perustuen ehdollisen logistinen regressio yhtälö, kertoimet kunkin muuttujan yhdessä arvot kunkin yksittäisen käytetään osoittamaan yksittäisiä todennäköisyyksiä olemisen tapaus oikaistun analyysin. Huomaa, että kaikkia mahdollisia

p

-arvot määritetään useissa satunnaistamiset nollahypoteesin sovellettu. Ottaen huomioon laskentatehon ja aika, joka tarvitaan näiden analyysien, 999 satunnaistamiset oli suurin kohtuullinen iteraatioiden, tuottaa vähintään

p

-arvo on 0,001. Koska ongelma useiden testaus Näiden ja monien muiden paikkatietojen analyysejä, meidän viime simulointi analyysit [23] ehdotti opas tutkii tapaus-verrokki asuntojen historia jota toteuttaa ja kuvata alla.

Spatial ryhmäanalyysi

Spatial klusterin analyysit tehtiin käyttäen Q-tilastojen SpaceStat (BioMedware, Inc., Ann Arbor, MI). Aineisto jaettiin 3 ryhmään: kaikissa tapauksissa, seminomas, ja äidit tapauksissa ja niiden verrokeilla, ja kukin ryhmä analysoitiin eri toimenpiteiden ajan (ikä, kalenterivuosi, vuosi ennen diagnoosia varten kaikissa tapauksissa ja seminomas, ja kalenteri vuosi ja kuukautta ennen synnytystä äitien tapauksista). Eri toimenpiteet aikaa käytettiin siinä tapauksessa, että eri ympäristövaikutukset voivat olla vastuussa paikallisten klusterin eli jos yksityisiä kaikki sijaitsevat samalla alueella samana ajankohtana vai olivatko ne enemmän linjassa vuotta ennen diagnoosia (mikä osoittaa samankaltaisia latenssiaika altistumisesta sairauden ilmentymä). Q-tilastot tutkii tapauskohtaisesti kussakin vaiheessa mahdollisena keskus cluster, joka on perusteellinen lähestymistapa, mutta siinä otetaan käyttöön mahdollisuus useiden testaus. Meidän simulointitutkimus perustuu osittain näitä tietoja opas, joka auttaa tilin useita testaus [23] yksittäisiä tapauksia ajan, ja ehdotti, että mahdollinen klusteri voitaisiin edelleen arvioida, jos 4 tai useamman merkittävän tapauksia todettiin samalla alueella Q

i

(k),

p

= 0,001 ja Q

se

(k),

p

≤0.05 käyttämällä

k

= 15 naapurit. Käytimme tämän oppaan analyyseissä esillä olevassa tutkimuksessa. Suurin klustereita tutkittiin uudelleen tuolloin siivu ehdotti Q-tilastot käyttämällä Kulldorf Scan tilastotieto SATSCAN (v 9.0.1) ja verrata tuloksia syntyy vakiintunut klusterin tunnistusmenetelmä [22-25]. Kuitenkin tämä menetelmä ei oteta huomioon ihmisten liikkuvuuteen, mikä analyysit tehtiin alaotsikkoa sarjaa alkuperäisen aika-avaruuden data, johon kuului vain yksi paikka per yksilö. Nämä aikaviipaleisiin valittiin vastaamaan tilastollisesti merkitsevä ajanjaksojen tunnistetaan Q-tilastojen ehdottamaa lähestymistapaa simuloinnissa tutkimuksessa [23]. Käytimme Bernoulli malli SatScan, ja

p

-arvo testissä merkitystä saatiin Monte Carlo simulaatiot (999 Toistoja). Analysoimme pyöreä klustereiden enintään klusterin kokoa 50% koko väestöstä.

Tulokset

oli 3297 tapauksissa kivessyöpä, 1871 joista seminomas, ja kaksi toisistaan ​​riippumatonta 3297 valvontaa tällä Tanskan koko väestöön tapauskontrollitutkimuksessa. Vuonna ehdollinen logistinen regressio analyysien ainoa muuttuja, joka oli tilastollisesti merkitsevä ennustaja sekä seminomas ja kaikissa tapauksissa käyttämällä sekä kontrolliryhmissä oli se, että joiden suvussa kivessyöpä [23]. Oli 69 tapauksia kivessyöpä ensimmäisen asteen sukulaisia, ja 39 niistä oli seminomas; 26 valvontaan kaikkialla molemmissa kontrolliryhmissä kivessyöpä ensimmäisen asteen sukulaiset, ja 13 joukossa valvonnan seminomas [9]. Kaikissa tapauksissa, parametri arvio oli 1,72 käyttäen kontrolliryhmään 1 (

p

-arvo = 0,001, riskisuhde = 5,58) ja 1,75 käyttäen kontrolliryhmän 2 (

p

-arvo = 0,001, riskisuhde = 5,75). Koska tämä suvussa muuttuja voi heijastaa yhteistä suojattavan vastuun, on mahdollista yli-säätö. Mukauttamaton paikkatietojen Klusterianalyysit esitetään yhdessä säädetty analyysejä, jotka sisältävät todennäköisyys olemisen tapauksessa antanut suvussa kivessyöpä.

tulokset oikaisemattoman syövän klusterin tutkimus on esitetty taulukossa 2. Taulukossa luetellaan jokaisessa testissä, jossa useita merkittäviä yksilöiden löydetty ja yksilöiden lukumäärä suurimmassa klusterissa sekä kontrolliryhmässä 1 ja kontrolliryhmän 2. on myös lueteltu useita samoja henkilöitä, jotka olivat merkittäviä käyttäen sekä kontrolliryhmässä 1 ja kontrolliryhmän 2, ja yleinen sijainnit kunkin ryhmän merkittäviä henkilöitä. Ei ollut mitään päällekkäisyyttä yksilöt tunnistetaan keskuksissa klustereiden koko kaksi kontrolliryhmää Jonkin analyysien, mukaan lukien kaikki syövän, seminomas, ja äidit tapauksissa. Suurin ryhmä tunnistettu mukana 2 merkittävää tapausta keskellä klusterin Århusissa, 6-8 vuotta ennen diagnoosia, käyttäen kaikissa tapauksissa ja kontrolliryhmässä 1. Toinen klusteri tunnistettiin myös Århusissa sisältävä oleskelun äitien 2 tapausta vuonna 1971, käyttäen jälleen kontrolliryhmässä 1. Kaikki muut klustereissa mukana enintään 1 merkittävä tapaus keskellä kunkin klusterin ja kestänyt useita vuosia. Koska taipumus väärien positiivisten tähän aika-avaruuden klusterin analyysi, nämä tulokset eivät pääse meidän raja 4 tai enemmän merkittäviä tapauksia, mikä oli yksi suosituksista meidän simulointi tutkimus [23].

tulokset analyysien oikaistu suvussa kivessyöpä on esitetty taulukossa 3 ja ne ovat erittäin samankaltaisia ​​oikaisematon analyysejä. Jälleen ei ollut päällekkäistä yksilöt tunnistetaan keskuksissa klustereiden koko kaksi kontrolliryhmää missään analyyseissä. Oli jonkin verran samankaltaisuutta oikaisemattomaan analyysit paikkoihin merkittäviä yksilöiden, jossa useat niistä ovat joko Kööpenhamina Aarhus. Ei klusteri sisälsi enemmän kuin yksi merkittävä tapaus sen keskellä.

sijainnit merkittävien klustereiden joskus päällekkäin useissa eri analyysit. Tämä koski erityisesti Kööpenhaminan ja Århusin alueilla. Kuitenkin Kulldorf n skannaus tilastotieto ei kyennyt todistamaan kahden suurimman klustereiden Aarhus, joka sisälsi 2 merkittäviä tapauksia niiden keskelle. Käyttämällä kontrolliryhmä 1 7 vuotta ennen diagnoosia, ei merkittäviä klustereita ei löytynyt. Suurin klusteri havaita käyttämällä SATSCAN sisälsi 19 tapauksissa ja sijaitsi Kööpenhamina (RR = 2,0,

p

= 0,055); Q-tilastot havaitsi myös mahdollista klusteri tällä alueella Kööpenhaminassa

p

= 0,003 Q

i

(k), joka ei täyttänyt

p

= 0.001 että edellytettiin meidän simulointitutkimus auttamaan huomioon useita testaus [23]. Käyttäen äidin asuin- historia ja kontrolliryhmän 1 vuonna 1971, suurin klusteri havaita SATSCAN jälleen sijaitsee Kööpenhaminassa ja tilastollisesti merkitsevä (RR = 2,02,

p

= 0,51).

Keskustelu

Tässä tutkimuksessa käytettiin täydellistä kirjaa kaikista asuin- historian Tanskassa tutkimaan paikallisia klustereita kivessyöpä keskuudessa asukkaiden vuodesta 1971 asti diagnoosin vuosina 1991-2003. Vaikka muutamia pieniä klustereita havaittiin, ei klusteri sisälsi enemmän kuin kaksi merkittävää tapausta sen keskellä, alle neljä merkittävää tapausta ratkaisemiseksi tarvitaan useita testaus bias suosittelema meidän simulointitutkimus [23]. Lisäksi valinta toisen kontrolliryhmä myös osoittautunut hyödylliseksi hillitsemiseksi useita testaus bias sallimalla tutkia läsnäolon klusterin pysyi johdonmukaisesti. Vaikka jotkut klustereita todettiin eri alueilla Kööpenhamina molemmilla kontrolliryhmää, klustereiden koskaan kattoi samoissa paikoissa tai sisälsi samat henkilöt, mikä viittaa todennäköisyys on mahdollisuus havainnoista.

Tämän analyysin tulokset ovat yhdenmukaisia yksi toinen pieni alue klusterointi tutkimus kivessyöpä hinnat Englannissa [15], joka ehdotti myös todisteiden puuttuessa maantieteellisen klusterointi kivessyöpä. Analyysimme menee pidemmälle kuin tämä edellinen tutkimus osoittaa vähän näyttöä paikallisten klusterin vaikka sisältää yksilötason tietojen muutosten residenssi. Meidän menetelmä ei löytänyt näyttöä paikallisten klustereiden äitien asuntojen historia viittaa

kohdussa

vastuita.

Ei ole perustettu protokolla havaitsemiseksi tila-aika klustereiden mobiili populaatioissa. Harkittaessa liikkuvuus on otettava huomioon, että tapaukset saattavat kuluttaa eripituisilla aikaa liikkuvat sisään ja ulos klusterin alueella. Lähimmän naapurin Q-tilastojen avulla voimme tutkia paikallisen ja globaalin klustereiden koko asuin- historia in tapausverrokkitutkimukset, mutta niihin sovelletaan mahdollisuus saatuja tuloksia useilta testaus. Meidän simulointi analyysit [23] perustuvat osittain näihin kivessyöpä tiedot, loimme monia erilaisia ​​klustereita ja saapui nyrkkisääntö auttaa erottamaan tosi klusterit vääriä positiivisia. Nyrkkisääntönä, klusterin 4 tai useamman henkilön (Q

i

(k), p = 0,001 ja Q

se

(k) p≤0.05) käyttäen

k

= 15, oli onnistunut erottamiseksi suurempien klustereiden, jotka vahvistettiin skannaus tilastotieto SatScan. Seurasimme tätä lähestymistapaa analyysien raportoitu täällä ja ei löytänyt todisteita klustereita. Tärkeää on, koska suuri datajoukon asuin- historia, yksi analyysi kesti jopa 12 tuntia. Näin ollen emme voineet tutkia laajan valikoiman eri

k

analyyseja varten, mutta oli luottaa tuloksia simulointitutkimus valittaessa

k

= 15; vaikka muutamat herkkyysanalyyseja käyttämällä

k

= 10, 20, ja 100, ja yhdistämällä nämä kaksi kontrolliryhmää yhdessä ei muuttunut johtopäätöksemme.

Tietääksemme tämä on ensimmäinen tarkastelu paikkatietojen klustereita kivessyöpä käyttää asuin- historia. Tapaukset tunnistettiin lähes täydellinen laadukkaita väestöpohjainen tanskalainen Syöpärekisteri [26,27], joten tutkimus oli hyvin luotettavana tapauksessa toteaminen. Lisäksi Tanskan Civil rekisteröintijärjestelmä edellyttäen ihanteellisen kehyksen ohjauksen valinta ja kerääminen asuinosoitteita takaisin 1971 [28]. Me oikaistu suvussa kivessyöpä kuin tämä liittyi kivessyöpä ja voivat vaihdella alueellisesti; mutta säätö ei muuttunut johtopäätöksemme.

ensisijaisena tavoitteena tässä työssä oli tuottaa tietoa Euroopan etiologiaa kivessyöpä, sairaus, joka osoitti nopean nousun esiintymistä koko monissa Länsi alueilla toisella puoliskolla 20

luvulla ja on muutama vakiintunut riskitekijöitä. Tämän tutkimuksen suunnittelu pystyimme voittamaan monia rajoituksia esiintyy yleisesti paikkatietojen analyyseissä. Käytimme yksilötason tietoja Tanskan Syöpärekisterissä tutkia mahdollisia klustereita käyttäen kaikissa tapauksissa kivessyöpä diagnosoitu yli 13 vuoden ajan. Vaikka on vaikea arvioida valta näissä analyyseissä, meillä oli suuri otoskoko etsiä klusterien vain keskuudessa seminomas, entistä histologisesti samankaltainen osajoukko kivessyöpä suuremmalla todennäköisyydellä yhteisiä etiologic tekijöistä. Tutkimme myös mahdollisia klustereita asuntojen historiatiedot äideille 589 tapaus-verrokki pareja ja muutaman vuoden ennen raskautta. Tutkimme spatiaalikirjois- käyttämällä useita toimenpiteitä kertaa myös paikoissa eri ikäisten, kalenterivuodet, ja vuotta ennen diagnoosia, yhdessä kuukautta ennen syntymää äideille.

esitellään analyysejä sekä korjaamattomissakin oikaistu suvussa kivessyöpä. Kyky sopeutua analyysimme perustuu asiaan covariates on vahvuus Q-tilastot menetelmällä. On tärkeää ymmärtää, onko havaitut klusterit johtuvat vaihteluista tunnettujen covariates tai tuntematon muuttuja liittyy asuu tietyssä paikassa. Tässä analyysissä ei tasoittamattomina eikä säätää tuottamien tulosten vakuuttavia todisteita klustereita. Tarkistetussa tuloksia, tapausten määrä per mahdollisten cluster laski ehdottaa = ta, että suvussa kivessyöpä on tarvittaessa osittain ajo tulokset oikaisematon analyysin.

Valitsimme kaksi itsenäistä kontrolliryhmää, joka oli hyödyllinen tulkintastandardit. Lopuksi käytimme Q-tilastot, yksi harvoista lähestymistapoja saatavilla tutkii klustereiden koko tapaus-verrokki asuin- historia, lähestymistapaa, jossa on osoitettu olevan tehokas suorituskyky simulointi tutkimuksessa tällä alueella [23]. Tutkimuksessa olisi voitu parantaa sisällyttämällä useamman vuoden seuranta asuin historiaa tapauksissa valvonnan ja äitien; Civil rekisteröintijärjestelmä aloitusaika asuin- tiedot vuonna 1971, joten se ei ole mahdollista sisällyttää aikaisempien vuosien. Kuitenkin tutkimuksen suunnittelu pystyimme arvioimaan mahdollisia maantieteellinen klustereita kivessyöpä käyttäen 20 vuotta asuin historiaa.

kehittäminen ja soveltaminen aika-avaruuden klusteri tilastot, jotka mahdollistavat useita osoitteita ja liikkuvuus on yhä lapsenkengissä . Edelleen suorituskyvyn arviointi Q-tilastojen auttaisi osoittamaan hyödyllisyys sekä työn arviointi Muiden äskettäin kehitetty menetelmiä, mukaan lukien useita osoitteen toiminto käytettävissä SatScan v. 9.3 (20 maaliskuu 2014).