Expected numbers of cases for each

Expected numbers of cases for each block group were
computed by applying reference incidence rates for the
same years (as estimated from the four administrative
departments of the study area, plus the departments of
Doubs and Hérault) to the person-years of each area stratified
by gender and 5-year age classes.
Models were fitted to the grouped data with Poisson
regression analysis. Logarithms of observed and expected
cases were linked with a set covariate values in a linear
model that dealt with Poisson overdispersion. To build
flexible models, penalized regression splines (based on 25
knots) were used [20]. Since the dioxin concentration distribution
was right-skewed, a square root transformation
was applied to force the exposure data to follow a normal
distribution. Log-transformed industry × years, log-transformed
population density, socio-economic level, and
NO2 concentration were entered as continuous variables
in the models. Urbanisation (yes/no, by collapsing the 3
urban categories), and administrative departments
(department of Isère as reference category) were treated as
categorical variables.
Multivariate models were run. Dioxin exposure (variable
under scrutiny) and administrative departments (to
account for their heterogeneity) were forced into the models.
Then, the 5 remaining independent variables were
introduced as spline functions. To assess the smoothing
added value, we followed the ad hoc approach proposed
by Wood et al. [20]. If the estimated degrees of freedom
were close to 1 (and a linear function was therefore estimated),
and if the generalized cross validation (GCV)
score was higher than the GCV for the unsmoothed
model, then the original unsmoothed variable was preferred
to the spline-smoothed version. Finally, using
Akaike's information criterion for covariate selection, a
backward stepwise selection was applied.
Hierarchical Bayesian Poisson regression models were
also fitted to these geographical data to address the issue
of spatial autocorrelation [21].
The relative risk (RR) associated with dioxin exposure was
therefore computed as .
Under a high exposure scenario, we have a priori defined
x1 (the reference concentration) as the 2.5th percentile
(1.25 × 10-4 μg/m2/year), and x2 as the 90th percentile
(1.78 × 10-2 μg/m2/year) of the dioxin exposure distribution
within the modelled zones (Figure 2).
Models were run with R software (package mgcv) and
WinBUGS software [22,23].

ผลลัพธ์ (ไทย) 1:

คาดว่า มีจำนวนคดีแต่ละกลุ่มบล็อก
คำนวณ โดยใช้อัตราอุบัติการณ์อ้างอิงสำหรับการ
ปีเดียวกัน (ที่ประเมินจาก 4 ดูแล
แผนกพื้นที่ศึกษา และแผนกของ
Doubs และ Hérault) person-years ของแต่ละพื้นที่ stratified
โดยเพศและอายุ 5 ปีเรียน
รุ่นได้พอดีกับข้อมูลถูกจัดกลุ่มกับปัว
วิเคราะห์การถดถอย ลอการิทึมของการสังเกต และคาด
กรณีถูกเชื่อมโยงกับค่า covariate ตั้งค่าในแบบเชิงเส้น
รุ่นที่ปัว overdispersion สร้าง
รูปแบบยืดหยุ่น splines ถดถอยสำเร็จ (ตาม 25
knots) ได้ใช้ [20] เนื่องจากการกระจายความเข้มข้นของ dioxin
ถูกขวาเบ้ แปลงราก
ใช้บังคับข้อมูลแสงตามแบบปกติ
แจกจ่าย ปีการอุตสาหกรรมเปลี่ยนล็อก ล็อกแปลง
ความหนาแน่นประชากร เศรษฐกิจสังคมระดับ และ
ความเข้มข้นของ NO2 ถูกป้อนเป็นตัวแปรต่อเนื่อง
ในรุ่น ของ (ใช่/ไม่ใช่ ได้ 3
ประเภทเมือง), และฝ่ายบริหาร
(กรม Isère เป็นประเภทอ้างอิง) ได้รับการรักษาเป็น
แตกตัวแปร
ถูกเรียกใช้รูปแบบตัวแปรพหุ แสง dioxin (แปร
ภายใต้ scrutiny) และฝ่ายบริหาร (การ
บัญชีสำหรับของ heterogeneity) ถูกบังคับในรูปแบบ
แล้ว มี 5 ตัวแปรอิสระที่เหลือ
แนะนำเป็นฟังก์ชันเหมือน การประเมินราบเรียบ
เพิ่มมูลค่า เราตามวิธีกิจเสนอ
โดยไม้ et al. [20] ถ้าประมาณองศาความเป็นอิสระ
ได้ใกล้กับ 1 (และฟังก์ชันเชิงเส้นได้ดังนั้นประมาณ),
และตรวจสอบไขว้เมจแบบทั่วไป (GCV)
คะแนนได้สูงกว่า GCV สำหรับการ unsmoothed
รุ่น แล้วตัวแปร unsmoothed ต้นฉบับถูกต้อง
รุ่นโค้งเหมือนกัน สุดท้าย ใช้
Akaike ของข้อมูล covariate วีไอ เป็น
ใช้ stepwise เลือกย้อนหลัง.
แบบจำลองถดถอยปัวทฤษฎีลำดับชั้นถูก
สิ่งเหล่านี้ข้อมูลทางภูมิศาสตร์เพื่อจัดการปัญหา
ของปริภูมิ autocorrelation [21] .
เสี่ยงสัมพัทธ์ (RR) เกี่ยวข้องกับแสง dioxin ถูก
จึง คำนวณเป็น.
ภายใต้สถานการณ์ความเสี่ยงสูง เราเป็น priori กำหนด
x 1 (สมาธิอ้างอิง) เป็น 2.5th percentile
(1.25 × 10-4 μg/m2/ปี), และ x 2 เป็น
(1. percentile 9078 × 10-2 μg/m2/ปี) ของการกระจายแสง dioxin
ภายในโซนคือ แบบจำลอง (รูปที่ 2) .
รุ่นถูกเรียกใช้ ด้วยซอฟต์แวร์ R (แพ mgcv) และ
WinBUGS ซอฟต์แวร์ [22,23]

ผลลัพธ์ (ไทย) 2:

ตัวเลขที่คาดว่ากรณีสำหรับแต่ละกลุ่มบล็อกถูก
คำนวณโดยใช้อัตราอุบัติการณ์การอ้างอิงสำหรับ
ปีเดียวกัน (ตามประมาณการจากสี่การบริหาร
หน่วยงานของพื้นที่ศึกษารวมทั้งหน่วยงานของ
Doubs และHérault) ไปยังบุคคลที่ปีของแต่ละพื้นที่แบ่งชั้น
โดย เพศและ 5 ปีเรียนอายุ
รุ่นก็พอดีกับข้อมูลที่มีการจัดกลุ่มที่มี Poisson
การวิเคราะห์การถดถอย ลอการิทึมของการสังเกตและคาดว่า
กรณีที่มีการเชื่อมโยงกับการตั้งค่าตัวแปรร่วมในเชิง
รูปแบบที่เกี่ยวข้องกับ Poisson overdispersion เพื่อสร้าง
รูปแบบที่มีความยืดหยุ่นร่องถดถอยลงโทษ (จาก 25
นอต) ถูกนำมาใช้ [20] ตั้งแต่การกระจายความเข้มข้นของไดออกซิน
เป็นขวาเบ้เปลี่ยนแปลงรากที่สอง
ถูกนำมาใช้เพื่อบังคับให้ข้อมูลการเปิดรับที่จะปฏิบัติตามปกติ
การจัดจำหน่าย อุตสาหกรรมเข้าสู่ระบบเปลี่ยน×ปีที่ผ่านมาเข้าสู่ระบบการเปลี่ยนแปลง
ความหนาแน่นของประชากรในระดับทางเศรษฐกิจและสังคมและ
ความเข้มข้นของ NO2 ถูกป้อนเป็นตัวแปรอย่างต่อเนื่อง
ในรูปแบบ Urbanisation (ใช่ / ไม่ใช่โดยการยุบ 3
ประเภทในเมือง) และฝ่ายบริหาร
(กรมIsèreเป็นหมวดหมู่อ้างอิง) ได้รับการรักษาเป็น
ตัวแปรเด็ดขาด
รุ่นหลายตัวแปรวิ่ง การเปิดรับไดออกซิน (ตัวแปร
ภายใต้การพิจารณา) และหน่วยงานการบริหาร (การ
บัญชีสำหรับความแตกต่างของพวกเขา) ถูกบังคับในรูปแบบ
จากนั้นส่วนที่เหลืออีก 5 ตัวแปรอิสระที่ได้รับการ
แนะนำว่าเป็นฟังก์ชั่นร่อง เพื่อประเมินความเรียบ
มูลค่าเพิ่มเราตามวิธีการเฉพาะกิจที่นำเสนอ
โดยไม้และอัล [20] หากองศาประมาณของเสรีภาพ
อยู่ใกล้กับ 1 (และฟังก์ชั่นเชิงเส้นจึงเป็นที่คาดกัน)
และถ้าข้ามการตรวจสอบทั่วไป (GCV)
คะแนนสูงกว่า GCV สำหรับ unsmoothed
แบบแล้วตัวแปร unsmoothed เดิมต้องการ
ที่จะสลัก รุ่นเรียบ ในที่สุดโดยใช้
เกณฑ์ข้อมูล Akaike สำหรับการเลือกตัวแปรร่วม,
การเลือกแบบขั้นตอนย้อนกลับถูกนำมาใช้
แบบจำลองการถดถอยลำดับชั้นคชกรรม Poisson ถูก
ยังพอดีกับข้อมูลทางภูมิศาสตร์เหล่านี้เพื่อแก้ไขปัญหา
ของอวกาศ autocorrelation [21]
ความเสี่ยง (RR) ที่เกี่ยวข้องกับการเปิดรับไดออกซิน ถูก
จึงคำนวณ
ภายใต้สถานการณ์ที่ความเสี่ยงสูงที่เราได้กำหนดไว้เบื้องต้น
x1 (ความเข้มข้นของการอ้างอิง) ในขณะที่ร้อยละ 2.5th
(1.25 × 10-4 μg/m2/year) และ x2 เป็นร้อยละ 90
(1.78 × 10 -2 μg/m2/year) ของการกระจายความเสี่ยงไดออกซิน
ในโซนจำลอง (รูปที่ 2)
รุ่นที่ได้รับการทำงานกับซอฟต์แวร์ R (แพคเกจ mgcv) และ
ซอฟต์แวร์ WinBUGS [22,23]

ผลลัพธ์ (ไทย) 3:

คาดว่าตัวเลขของกรณีสำหรับแต่ละบล็อกกลุ่ม
คำนวณโดยใช้อ้างอิงอุบัติการณ์สำหรับ
ปีเดียวกัน ( ประมาณการจากสี่แผนกธุรการ
ของพื้นที่ศึกษาและแผนก
จังหวัดดู และบึงบอระเพ็ด ) บุคคลปีของแต่ละพื้นที่แบ่งตามเพศและอายุ 5 ปี เรียน

นางแบบ . ถูกติดตั้งเพื่อจัดกลุ่มข้อมูลด้วยการวิเคราะห์การถดถอยปัวซง

ลอการิทึมของจำนวนที่คาดว่า
คดีเชื่อมโยงกับชุดตัวแปรค่าเชิงเส้นแบบที่แจกด้วย
overdispersion ปัวซง . เพื่อสร้างแบบจำลองการถดถอยวิธีการลงโทษ
ยืดหยุ่น ( จาก 25
นอต ) ใช้ [ 20 ] เนื่องจากไดออกซินความเข้มข้นการกระจาย
ถูกเบ้ , กรณฑ์การแปลง
ใช้บังคับข้อมูลการติดตามเป็นปกติ

เข้าสู่ระบบเปลี่ยนปี×อุตสาหกรรมเข้าสู่ระบบเปลี่ยน
ความหนาแน่นของประชากร ระดับเศรษฐกิจสังคมและ
NO2 ความเข้มข้นเข้ามาเป็นตัวแปรต่อเนื่อง
ในรุ่น กลายเป็นเมือง ( ใช่ / ไม่ โดยยุบเมืองประเภท 3

) และแผนกธุรการ ( แผนกกระดุมทองเลื้อยเป็นประเภทอ้างอิง ) ก็ถือว่าเป็น

แบบหลายตัวแปรตัวแปรเชิงคุณภาพ คือ วิ่ง สารไดออกซิน ( ตัวแปร
ภายใต้การตรวจสอบ ) และแผนกธุรการ ( บัญชีสามารถ

) ถูกบังคับเป็นนางแบบ
แล้วเหลือ 5 ตัวแปรอิสระคือ
แนะนำว่าเป็นฟังก์ชัน Spline เพื่อประเมินเรียบ
เพิ่มมูลค่า เราปฏิบัติตามแนวทางที่เสนอโดยเฉพาะกิจ
ไม้ et al . [ 20 ] ถ้าค่าองศาอิสระ
อยู่ใกล้กับ 1 ( และฟังก์ชันเชิงเส้น ดังนั้นจึงคาดว่า )
และถ้าการตรวจสอบข้ามตัว ( gcv )
คะแนนสูงกว่า gcv สำหรับรูปแบบ unsmoothed
แล้วตัวแปร unsmoothed เดิมที่ต้องการ
กับเส้นโค้งเรียบรุ่น สุดท้ายใช้
เคราะห์ข้อมูล เกณฑ์ในการเลือกชุด ,
ย้อนหลังคนเลือกใช้ แบบเบส์การถดถอยปัวชงโมเดล

ยังติดตั้งกับข้อมูลทางภูมิศาสตร์เหล่านี้เพื่อแก้ไขปัญหา
ของพื้นที่ข้อมูล [ 21 ] .
ความเสี่ยงสัมพัทธ์ ( RR ) ที่เกี่ยวข้องกับการไดออกซินถูก

จึงคำนวณเป็น ภายใต้สถานการณ์ความเสี่ยงสูงเรามี priori กำหนด
x 1 ( อ้างอิงที่ความเข้มข้น ) เป็น 2.5th 2
( 1.25 × 10-4 μกรัม / ตารางเมตร / ปี ) และ X2 เป็น
ร้อยละ 90 ( 178 × 10-2 μกรัม / ตารางเมตร / ปี ) ของไดออกซิน แสงกระจาย
ภายในจำลองโซน ( รูปที่ 2 ) .
โมเดลใช้กับซอฟต์แวร์ R ( แพคเกจ mgcv )
winbugs ซอฟต์แวร์ [ 22,23 ]