se ha leído el artículo
array:19 [ "pii" => "13012099" "issn" => "02139111" "estado" => "S300" "fechaPublicacion" => "1999-08-01" "documento" => "article" "crossmark" => 0 "licencia" => "http://www.elsevier.com/open-access/userlicense/1.0/" "subdocumento" => "fla" "cita" => "Gac Sanit. 1999;13 Supl Congr 1:9015" "abierto" => array:3 [ "ES" => true "ES2" => true "LATM" => true ] "gratuito" => true "lecturas" => array:2 [ "total" => 3015 "formatos" => array:3 [ "EPUB" => 205 "HTML" => 2662 "PDF" => 148 ] ] "itemSiguiente" => array:16 [ "pii" => "13012094" "issn" => "02139111" "estado" => "S300" "fechaPublicacion" => "1999-08-01" "documento" => "article" "crossmark" => 0 "licencia" => "http://www.elsevier.com/open-access/userlicense/1.0/" "subdocumento" => "fla" "cita" => "Gac Sanit. 1999;13 Supl Congr 1:9016" "abierto" => array:3 [ "ES" => true "ES2" => true "LATM" => true ] "gratuito" => true "lecturas" => array:2 [ "total" => 2420 "formatos" => array:3 [ "EPUB" => 189 "HTML" => 2116 "PDF" => 115 ] ] "es" => array:6 [ "idiomaDefecto" => true "titulo" => "MODELOS BAYESIANOS PARA EL ANÁLISIS GEOGRÁFICO DE ENFERMEDADES" "tieneTextoCompleto" => "es" "paginas" => array:1 [ 0 => array:1 [ "paginaInicial" => "9016" ] ] "contieneTextoCompleto" => array:1 [ "es" => true ] "autores" => array:1 [ 0 => array:2 [ "autoresLista" => "R Ocaña-Riola, E Sánchez-Cantalejo, P Gutiérrez-Cuadra" "autores" => array:3 [ 0 => array:2 [ "Iniciales" => "R" "apellidos" => "Ocaña-Riola" ] 1 => array:2 [ "Iniciales" => "E" "apellidos" => "Sánchez-Cantalejo" ] 2 => array:2 [ "Iniciales" => "P" "apellidos" => "Gutiérrez-Cuadra" ] ] ] ] ] "idiomaDefecto" => "es" "EPUB" => "https://multimedia.elsevier.es/PublicationsMultimediaV1/item/epub/13012094?idApp=WGSE" "url" => "/02139111/0000001300000SC1/v0_201302051654/13012094/v0_201302051655/es/main.assets" ] "itemAnterior" => array:16 [ "pii" => "13012100" "issn" => "02139111" "estado" => "S300" "fechaPublicacion" => "1999-08-01" "documento" => "article" "crossmark" => 0 "licencia" => "http://www.elsevier.com/open-access/userlicense/1.0/" "subdocumento" => "fla" "cita" => "Gac Sanit. 1999;13 Supl Congr 1:9014" "abierto" => array:3 [ "ES" => true "ES2" => true "LATM" => true ] "gratuito" => true "lecturas" => array:2 [ "total" => 2353 "formatos" => array:3 [ "EPUB" => 173 "HTML" => 2050 "PDF" => 130 ] ] "es" => array:6 [ "idiomaDefecto" => true "titulo" => "CARTOGRAFÍA DE ENFERMEDADES EN ÁREAS PEQUEÑAS: UNA APROXIMACIÓN METODOLÓGICA" "tieneTextoCompleto" => "es" "paginas" => array:1 [ 0 => array:1 [ "paginaInicial" => "9014" ] ] "contieneTextoCompleto" => array:1 [ "es" => true ] "autores" => array:1 [ 0 => array:2 [ "autoresLista" => "H Vanaclocha, O Zurriaga, J J Abellán, I Melchor, J Calabuig, J Ferrándiz, A López, P Sanmartín" "autores" => array:8 [ 0 => array:2 [ "Iniciales" => "H" "apellidos" => "Vanaclocha" ] 1 => array:2 [ "Iniciales" => "O" "apellidos" => "Zurriaga" ] 2 => array:2 [ "Iniciales" => "J J" "apellidos" => "Abellán" ] 3 => array:2 [ "Iniciales" => "I" "apellidos" => "Melchor" ] 4 => array:2 [ "Iniciales" => "J" "apellidos" => "Calabuig" ] 5 => array:2 [ "Iniciales" => "J" "apellidos" => "Ferrándiz" ] 6 => array:2 [ "Iniciales" => "A" "apellidos" => "López" ] 7 => array:2 [ "Iniciales" => "P" "apellidos" => "Sanmartín" ] ] ] ] ] "idiomaDefecto" => "es" "EPUB" => "https://multimedia.elsevier.es/PublicationsMultimediaV1/item/epub/13012100?idApp=WGSE" "url" => "/02139111/0000001300000SC1/v0_201302051654/13012100/v0_201302051654/es/main.assets" ] "es" => array:7 [ "idiomaDefecto" => true "titulo" => "INCIDENCIA DE CÁNCER EN ASTURIAS: MAPAS MUNICIPALES USANDO ESTIMADORES BAYESIANOS" "tieneTextoCompleto" => true "paginas" => array:1 [ 0 => array:1 [ "paginaInicial" => "9015" ] ] "autores" => array:1 [ 0 => array:2 [ "autoresLista" => "A Cañada Martínez, V Rodríguez Suárez" "autores" => array:2 [ 0 => array:2 [ "Iniciales" => "A" "apellidos" => "Cañada Martínez" ] 1 => array:2 [ "Iniciales" => "V" "apellidos" => "Rodríguez Suárez" ] ] ] ] "textoCompleto" => "<p class="elsevierStylePara"><span class="elsevierStyleBold">INCIDENCIA DE CÁNCER EN ASTURIAS: MAPAS MUNICIPALES USANDO ESTIMADORES BAYESIANOS</span></p><p class="elsevierStylePara">A. Cañada Martínez*, V. Rodríguez Suárez</p><p class="elsevierStylePara">Dirección Regional de Salud Pública. Principado de Asturias</p><p class="elsevierStylePara">c/ General Elorza, 32; 33001 Oviedo. Tel 985 106500 e-mail: alvarocm@princast.es</p><p class="elsevierStylePara">Antecedentes y/o objetivos: La representación geográfica de la incidencia de cáncer permite apreciar patrones espaciales que pueden colaborar en la generación de hipótesis etiológicas y facilita la detección de áreas con mayor incidencia en las que pueden centrarse estudios más específicos. Cuando las unidades de análisis tienen población muy diferente se plantea el problema de la estabilidad de los estimadores y la consiguiente distorsión en la representación geográfica. El rango de población en los 78 municipios asturianos va de 213 a 258.597 habitantes. El objetivo de este trabajo ha sido elaborar mapas de la incidencia de cáncer en Asturias a escala municipal.</p><p class="elsevierStylePara">Métodos: Los datos se han obtenido del Registro (poblacional) de Tumores del Principado de Asturias. Se han analizado los 45.738 casos incidentes entre 1982 y 1993 de los que hay información del municipio de residencia (un 95% del total). Se han calculado las razones de incidencia estandarizadas (RIE), utilizando como población de cada municipio la media de las poblaciones del padrón de 1986 y el censo de 1991 y como población de referencia la de Asturias calculada del mismo modo. Se han obtenido estimadores empíricos bayesianos según los métodos propuestos por Marshall (1) mediante dos programas elaborados por F. Divino (Universidad de Florencia) y facilitados por la International Agency for Research on Cancer (IARC). Se han elaborado mapas mediante los programas EPIMAP y MAPINFO.</p><p class="elsevierStylePara">Resultados: Se presentan mapas elaborados mediante la representación de RIE, estimadores empíricos bayesianos "globales" (ponderados con la media regional) y estimadores "locales" (ponderados con las medias de los municipios vecinos). Asimismo se presentan gráficos de dispersión para comprobar las relaciones entre población, RIE y estimadores bayesianos empíricos.</p><p class="elsevierStylePara">Conclusiones: 1. Los mapas que representan RIE ofrecen valores extremos en los municipios muy poco poblados, especialmente para localizaciones tumorales de moderada y baja frecuencia, debido a la importante contribución del componente aleatorio respecto al riesgo "real" de incidencia. La utilización de estimadores bayesianos evita la distorsión visual producida por la atracción que producen en el observador los colores (o densidades de gris) extremos en los municipios con menor número de habitantes en comunidades con una distribución de la población muy desigual y ofrece una imagen suavizada que facilita la detección de patrones de incidencia. 2. El programa informático para el cálculo de los estimadores según el método propuesto por Marshall (estimación de parámetros por momentos en vez del uso de iteraciones) es de sencillo manejo.</p><p class="elsevierStylePara">Bibliografía: (1) Marshall RJ. Mapping disease and mortality rates using Empirical Bayes Estimators. Appl Statist 1991; 40: 283-94.</p>" "tienePdf" => false ] "idiomaDefecto" => "es" "url" => "/02139111/0000001300000SC1/v0_201302051654/13012099/v0_201302051655/es/main.assets" "Apartado" => array:4 [ "identificador" => "830" "tipo" => "SECCION" "es" => array:2 [ "titulo" => "Mesa de comunicaciones. Métodos de representación geográfica" "idiomaDefecto" => true ] "idiomaDefecto" => "es" ] "EPUB" => "https://multimedia.elsevier.es/PublicationsMultimediaV1/item/epub/13012099?idApp=WGSE" ]
Idioma original: Español
año/Mes | Html | Total | |
---|---|---|---|
2024 Noviembre | 12 | 0 | 12 |
2024 Octubre | 55 | 0 | 55 |
2024 Septiembre | 62 | 0 | 62 |
2024 Agosto | 49 | 0 | 49 |
2024 Julio | 39 | 0 | 39 |
2024 Junio | 39 | 0 | 39 |
2024 Mayo | 39 | 0 | 39 |
2024 Abril | 40 | 0 | 40 |
2024 Marzo | 39 | 3 | 42 |
2024 Febrero | 32 | 16 | 48 |
2024 Enero | 35 | 6 | 41 |
2023 Diciembre | 26 | 3 | 29 |
2023 Noviembre | 32 | 9 | 41 |
2023 Octubre | 25 | 4 | 29 |
2023 Septiembre | 29 | 9 | 38 |
2023 Agosto | 26 | 6 | 32 |
2023 Julio | 40 | 7 | 47 |
2023 Junio | 25 | 5 | 30 |
2023 Mayo | 21 | 3 | 24 |