Abstract
Bakgrunn
Barndommen kreft var den ledende dødsårsaken blant barn i alderen 1-14 år for 2012 i Spania. Leukemi har den høyeste forekomsten, etterfulgt av svulster i sentralnervesystemet (CNS) og lymfomer (Hodgkin lymfom, HL, og Non-Hodgkins lymfom, NHL). Romlig fordeling av barndommen krefttilfeller har vært under bekymring med tanke på å identifisere potensielle risikofaktorer.
Mål
De to målene er å studere generelle romlige clustering og klynge påvisning av tilfeller av de tre hoved kreft årsaker, ønsker å øke etiologisk kunnskap.
Metoder
Vi kjørte en case-control studie. Sakene ble barn i alderen 0-14 diagnostisert med leukemi, lymfomer (HL og NHL) eller CNS svulster i fem spanske regioner for perioden 1996-2011. Som en kontrollgruppe, vi brukte en prøve fra fødselsregister matche ethvert tilfelle av fødselsår, autonom region bosted og kjønn med seks kontroller. Vi geokodet og validert adressen sakene og kontroller. For våre to mål vi har brukt to forskjellige metoder. For det første, for en samlet romlige clustering deteksjon, brukte vi forskjellene i K funksjoner fra den romlige punktmønstre perspektiv foreslått av Diggle og Chetwynd og andre, for cluster deteksjon, brukte vi den romlige scan statistikken foreslått av Kulldorff med et nivå for statistisk betydningen av 0,05.
Resultater
Vi hadde 1062 tilfeller av leukemi, 714 tilfeller av CNS, 92 av HL og 246 av NHL. Følgelig vi hadde 6 ganger så mange kontroller, 6372 kontroller for leukemi, 4284 kontroller for CNS, 552 kontroller for HL og 1476 kontroller for NHL. Vi fant variasjoner i estimert empirisk
D (s)
for de ulike regionene og kreft, inkludert noen generelle romlige clustering for bestemte regioner og avstander. Vi fant ikke statistisk signifikante klynger.
Konklusjoner
Variasjonene i den estimerte empirisk
D (s)
for de ulike regionene og kreft kan delvis forklares med forskjeller i den romlige fordeling av populasjonen; men ifølge litteraturen, kan vi ikke forkaste miljøfarer eller infeksjoner agenter i etiologien av disse kreftformene
Citation. Ramis R, Gómez-Barroso D, Tamayo jeg, García-Pérez J, Morales A, Pardo romaguera E, et al. (2015) Spatial Analysis of Childhood Cancer: A Case /kontroll Study. PLoS ONE 10 (5): e0127273. doi: 10,1371 /journal.pone.0127273
Academic Editor: David O. Carpenter, Institute for Health Miljøvern UNITED STATES
mottatt: 21 januar 2015; Godkjent: 14 april 2015; Publisert: May 20, 2015
Copyright: © 2015 Ramis et al. Dette er en åpen tilgang artikkelen distribueres under betingelsene i Creative Commons Attribution License, som tillater ubegrenset bruk, distribusjon og reproduksjon i ethvert medium, forutsatt den opprinnelige forfatteren og kilden krediteres
Data Tilgjengelighet: Dataene er de geografiske koordinatene til adressen til saker og kontroller. Forfatterne kan ikke gi enkelt koordinatene fordi disse er under beskyttelse av den spanske loven LOPD 15/1999 [25]. Personvern, konfidensialitet og rettigheter sakene og kontroller ble sikret ved å endre siste sifrene i hver koordinat (X og Y) ved et tilfeldig tall. Imidlertid har forfatterne tatt med i papir noen kart med denne informasjonen
Finansiering:. Denne studien ble finansiert av Spanias Health Research Fund (Fondo de INVESTIGACION Sanitaria – FIS 12/01416) https://www.isciii.es/ISCIII/es/contenidos/fd-investigacion/fd-planificacion-2/accion-estrategica-salud.shtml.
Competing interesser: Forfatterne har erklært at ingen konkurrerende interesser eksisterer
Innledning
Barndommen kreft var den ledende dødsårsaken blant barn i alderen 1-14 år for 2012 i Spania [1].. Blant de 12 store grupper av kreft hos barn i International Classification of Childhood Cancer tredje utgave (ICCC-3) [2], leukemi har den høyeste forekomsten (alderen justerte prisene per million barn 0-14 år): Europa 44,0, Spania 47,0; etterfulgt av tumorer i sentralnervesystemet (CNS): Europa 29,9, Spania 33,2; og lymfomer: Europa 15,2, Spania 19.4 [3,4]. Årsaker til kreft hos barn er hovedsakelig ukjent med unntak av en liten prosentdel av tilfellene skyldes arvelige cancersyndromer (kjent retinoblastom) eller genetiske syndromer og eksponering for ioniserende bestråling [5,6]. Oppvekst eksponering for miljøgifter er mistenkt for å være ansvarlig for innledende avvik forekommer i utero og fører til kreft [7]. Når det gjelder leukemi mange studier har adressert hypotesen om smittestoffer, men foreningen er det fortsatt ikke klart [8,9].
Romlig fordeling av barndommen krefttilfeller har vært under bekymring i de siste tiårene [10- 14]. På nittitallet den EUROCLUS prosjekt for leukemi analysert den romlige fordelingen av 13351 tilfeller diagnostisert mellom 1980 og 1989 i 17 land med ideen om at studiet av klyngen og clustering kan bidra til å identifisere årsaksfaktorer. Deres resultater indikerte statistisk signifikant bevis for clustering, men omfanget var liten [10,11,15]. En rekke nyere studier har blitt utført med denne ideen. En case-control studie i California området viste ingen tegn på en ikke-tilfeldig romlig mønster av barndommen leukemi tilfeller, selv om de har bare 112 tilfeller [14], to franske studier med saker fra den franske folkeregisteret fant ikke statistisk signifikant bevis for global heterogenitet av akutt leukemi på lite område nivå [12,16]; Men en studie fra Storbritannia med data fra Nasjonalt senter for kreft svulster funnet romlig gruppering av leukemi hos barn i alderen 0-14 [17] og en annen studie fant bevis for generelle space-time gruppering av barndommen sentralnervesystemet svulster [13 ]
studiet av den romlige fordelingen av tilfellene kan ha to ulike formål:. en er generelle romlige clustering analyse, som undersøker om sakene er nærmere hverandre enn referansegruppen; og den andre formål er klynge gjenkjenning, deteksjon av en rekke tilfeller større enn ventet i et bestemt geografisk område. Målene for dette papiret matche disse to formålene nevnt ovenfor. Vi studerte generelle romlige clustering og klynger av tilfeller av de tre hoved barndommen kreft årsaker, ønsker å øke etiologisk kunnskap.
Materialer og metoder
Cases
Den spanske Childhood Kreftregisteret (RETI-SEHOP) samler inn informasjon fra alle de pediatriske kreft enheter i Spania, og har i samarbeid med de regionale kreftregistre. Fullstendigheten av nasjonal dekning av barndommen kreft ved dette registeret er anslått til over 90% og 100% for følgende fem regioner: Catalonia, Aragon, Navarra, Baskerland og regionen Madrid [4]. Dataene som brukes i denne studien ble barn i alderen 0-14 diagnostisert med leukemi, lymfomer eller CNS svulster, diagnosegruppene I, II og III definert i henhold til de 12 viktigste diagnostiske grupper av ICCC-3 [2]. For vår analyse vi skilte de lymfomer inn i to grupper, Hodgkin lymfom (HL) og non-Hodgkin lymfom (NHL). Vi inkluderte forekomst tilfeller fra de fem nevnte regioner, fire av dem romlig sammenhengende ligger i den nordlige delen av Spania (North-East regioner: Catalonia, Aragon, Navarra og Baskerland) og en isolert en som ligger i sentrum av Spania (Madrid). Den studerte perioden var 1996-2011 for alle regioner, men Madrid, der studerte perioden var 2000 til 2011. (Figur 1 viser et kart med plasseringen av regionene).
Regionene inkludert i studien er uthevet .
Standard variabler for hvert tilfelle inkludert grunnleggende demografiske data, for eksempel fødselsdato, kjønn, provinsen bosted og adresse på diagnose. Også informasjon om diagnose som dato, basis for diagnose og morfologi ble inkludert. Vi geokodet og validert adressene tilfellene av en geokoding strategi som er beskrevet senere. Vi har med hell validert 87% av adressene. De resterende 13% av tilfellene ble ganske jevnt fordelt langs de ulike regionene, og derfor har vi ikke trodde opplysningene er partisk i denne forstand.
Controls
Som en kontrollgruppe vi brukte en prøve fra befolkningen i fare hentet fra fødselsregister for National Statistics Institute (Instituto Nacional de Estadística, INE). For å velge kontrollene vi brukte en prøvetakingsstrategi matchende hvert tilfelle (med validerte koordinater) etter fødselsår, bostedsregion og sex med seks kontroller. Da geokodes vi adressene til kontrollene og vi validert koordinatene. Kun 2% av kontrollene ikke har gyldige koordinater. Å ha hatt et lite antall feil vi bestemte oss for å velge flere kontroller for å erstatte dette 2%, og vi geokodet og validert denne siste gruppen til å ende opp med 6 kontroller med gyldige koordinater for hvert tilfelle.
Geokoding strategi
i forbindelse med denne studien gjennomførte vi en retrospektiv geokoding (sammenslutningen av geografiske koordinater fra en inngangs adresser) ved hjelp av Google Javascript Map API v3. De oppnådde lengde- og breddegrad data ble projisert inn i ETRS89 /UTM sone 30N (EPSG: 25830) bruker QGIS programvare [18]. Vi deretter validert koordinatene og vi holdt de der adressen og koordinatene matchet. For validering vi utførte den omvendte prosessen, vi fikk adressene til de oppnådde koordinater og vi sammenlignet disse nye adresser til de originale adressene. Vi sammenlignet by eller tettsted navn, gatenavn og husnummer.
Metoder
For våre to mål, generelle romlige clustering analyse og cluster deteksjon, brukte vi to forskjellige metoder. Den første, for generelle romlige clustering oppdagelse, var forskjellene i K funksjoner fra den romlige punktmønstre perspektiv foreslått av Diggle og Chetwynd [19]. Den andre, for klynge deteksjon, var den romlige scan statistikken foreslått av Kulldorff [20].
Generelt romlige clustering analyse.
Point mønstre teori studier den romlige fordeling av hendelser i en studie region . Intensiteten av fenomenet er den gjennomsnittlige tettheten av punkter, og den måler den «mengde» eller «frekvens» av hendelser registrert ved punktene. Intensiteten kan være konstant ( «uniform» eller «homogent») eller kan variere fra sted til sted ( «ikke-uniform» eller «inhomogene»). Det finnes flere metoder for å måle intensiteten, en av dem K funksjonen foreslått av Ripley [21]. K funksjon måler aggregering av hendelser på avstand s og den er definert som:. Hvor λ er tettheten for hele omegn
Generelt er fordelingen av befolkningen i rommet er inhomogen, spesielt fordelingen av befolkningen i fare når vi studerer helsehendelser. For å vurdere om hendelsene (tilfeller) er noe romlig aggregert vi trenger å sammenligne deres romlige fordeling med den romlige fordelingen av befolkningen i fare (kontroller). En måte å gjøre dette på, er å sammenligne intensiteten av tilfellene og kontrollene ved sammenlikning av deres K funksjoner. Metoden ble foreslått av Rowlingson og Diggle [22] og det er implementert i Splancs bibliotek av R (21). De definerte
D (s)
som forskjellen mellom
K (s)
for sakene og
K (s)
for kontrollene.
nullhypotesen er
D (s) = 0
, ikke forskjeller mellom distribusjoner. Fordelingen av
D (s)
under nullhypotesen er beregnet av en Monte Carlo simulering ved hjelp av tilfeldig merking. En konvolutt med grensene for
D (s)
under nullhypotesen er også beregnet på samme tid. Mens den empiriske
D (s)
er mellom grensene for konvolutten er det ingen bevis mot nullhypotesen, bare når
D (s
) er utenfor konvolutten vi kan si enn romlig fordeling av tilfellene er forskjellig for den romlige fordeling av kontrollene. Hvis det empiriske
D (s)
er over øvre grense, kan vi si at sakene er mer aggregert enn kontrollene, og hvis den empiriske
D (s)
er under den nedre grensen, kontrollene er mer aggregert enn tilfeller. Vi definerer som en maksimal avstand s lik 8 km og vi brukte R programvare for analyse [23].
Cluster gjenkjenning.
Den romlige scan statistikken er en test for romlig tilfeldig basert på likelihoods [20]. En sylindrisk vindu som kontinuerlig skiftet sentrum og radius skannet studert regionen søker potensielle klynger. Mer presist, har flyttet vinduet fra adressen til en sak til adressen til en annen sak. For hvert sted radius varieres kontinuerlig fra null til en maksimal avstand (for vår spesifikk studie vi satt maksimalt 5 km). Derfor, for hvert tilfelle de sirkulære vinduer inkluderte ulike sett av nabo tilfeller og kontroller. For hver plassering og størrelse på skannevinduet nullhypotesen var at risikoen var konstant i verdensrommet, er risikoen inne i vinduet var det samme som faren utenfor. Den alternative hypotesen var at risikoen var høyere innenfor enn utenfor vinduet. Under prosessen mange forskjellige sirkulære vinduer sider ble undersøkt for å finne den mest sannsynlige klyngen. Sannsynlighetsfunksjoner ble beregnet og maksimert. Den mest sannsynlige klynge var den med maksimal sannsynlighet som svarer til en gitt posisjon og spesifikk radius. Dens P-verdi ble innhentet gjennom Monte Carlo hypotesetesting (9999 kjøringer), med 95% konfidensintervall. sannsynlighetsfunksjonen for et bestemt vindu under binomial antagelse, er proporsjonal med:
For hver potensiell klynge
i
,
n
i
er antall tilfeller inne potensialet klyngen og
m
i
antall saker utenfor, og
N
i
og
M
i
er tallene i fare (saker og kontroller) på innsiden og utsiden, henholdsvis.
I ()
er en indikator funksjon som er lik en når risikoen inne i vinduet er større enn risikoen utsiden og 0 på annen måte. Vi definert nivå som brukes for statistisk signifikans som 0,05. Statistisk analyse ble utført med SATSCAN 9.0.1 utviklet av Kulldorff [24]
Etiske hensyn.
Data brukt i denne studien er under beskyttelse av den spanske loven LOPD 15/1999 [25]. Personvern, konfidensialitet og rettigheter sakene og kontroller ble sikret ved å endre siste sifrene i hver koordinat (X og Y) ved et tilfeldig tall.
Resultater
Etter geokoding og validering vi hadde 1062 tilfeller av leukemi, 714 tilfeller av CNS, 92 av HL og 246 av NHL. Følgelig vi hadde 6 ganger så mange kontroller, 6372 kontroller for leukemi, 4284 kontroller for CNS, 552 kontroller for HL og 1476 kontroller for NHL. For analyse vi skilte 4 Regioner og Madrid, som vi kan se i tabell 1 som viser antall saker og kontroll av årsak og region. Tabell 2 viser en dekomponering av tilfellene av årsak, administrativ region og kjønn.
Generelt romlige clustering
Vi anslo
D (s)
statistikk etter region. Resultatene for K-funksjonen etter regioner er vist i grafene til
D (s)
statistikk som inngår i figur 2, 3, 4 og 5. Disse grafene viser utviklingen av
D (s )
statistikk kontra avstanden fra 0 til 8000 meter. Vanligvis den empiriske
D (s) Statistisk er inne på konvoluttene for de fleste av årsaker, regioner og avstander
s
. Men for leukemi den empiriske
D (s)
viser ganske regional variasjon og selv for Catalonia den overskrider den øvre grensen fra langt hold 3 km og for Baskerland den empiriske
D (s)
statistikk er nærmere den nedre grense. For CNS i Baskerland den empiriske
D (s)
litt overskrider den øvre grensen for avstander mindre enn 1 km, og i Madrid det er svært nær den nedre grensen. For HL den empiriske
D (s)
viser tydelige forskjeller mellom de ulike regionene: stiger den øvre grensen fra langt hold 0 til avstand 2 km i Catalonia, fra langt 1km til 2km Aragon, og for avstander fra 3 km i Navarra . Og for NHL den empiriske
D (s)
skrider den øvre grensen fra distanse 2 km å distansere 6 km for Baskerland, og i Madrid det er svært nær den nedre grensen.
grafer av
D (s)
statistikk funksjon (rød linje) og konvolutter (stiplede linjer) fra avstand 0 til 8000 meter med region.
grafer av
D (s)
statistikk funksjon (rød linje) og konvolutter (stiplede linjer) fra avstand 0 til 8000 meter med region.
Grafer av
D (s)
statistikk funksjon (rød linje) og konvolutter (stiplede linjer) fra avstand 0 til 8000 meter med region.
Grafer av
D (s)
statistikk funksjon (rød linje ) og konvolutter (stiplede linjer) fra avstand 0 til 8000 meter med region.
Cluster
resultatene fra de romlige skanne statistikken i tabell 3. Vi presenterer detaljene for den primære klynge av hver sak og region. Det var ingen statistisk signifikant klynge detektert. Den laveste p-verdi (0,063) var for en samling av fire tilfeller av NHL i Madrid, og det nest laveste (0,074) var for en samling av 5 tilfeller av leukemi i Barcelona. Figurene 6 og 7 viser kart med klyngen av leukemi i Barcelona og klyngen av NHL i Madrid.
Aggregering av tilfellene med lavest p-verdi av årsak og region.
saker i røde prikker og kontroller i sorte prikker. Høyre side viser en zoom til primær klyngen foreslått av skanningen statistikken.
Cases i røde prikker og kontroller i sorte prikker. Høyre side viser en zoom til primær klyngen foreslått av skanningen statistikken.
Diskusjoner
Dette case-control studie analyserer forekomsten geografiske mønstre av de viktigste kreft hos barn, ser for generelle romlige clustering og klynger av tilfellene. For generelle romlige clustering analyse generelt var det ingen statistisk signifikante forskjeller i den romlige fordelingen av tilfellene og kontroller for leukemi, CNS svulster, HL og NHL i de undersøkte områdene. Likevel fant vi clustering for leukemi tilfeller i Catalonia på avstander overlegen 3 km; for CNS i Baskerland på avstander mindre enn 1 km; for HL i Catalonia opp til avstand 2 km, i Aragon fra langt 1km til 2 km og i Navarra for avstander fra 3 km; og for NHL i Baskerland fra distanse 2 km å distansere 6 km. Vanligvis var det variasjoner i estimert empirisk
D (s)
for de ulike regionene og kreft. Angå klynge deteksjon, fant vi ikke statistisk signifikante klynger. Likevel resultatene av den romlige skanne statistisk identifisert to samlinger av tilfellene for leukemi og NHL med p-verdier i nærheten av 0,05. Plasseringen av disse oppdaget potensielle klynger ikke matchewith avstander der den empiriske
D (s) Statistisk var ute av konvoluttene.
Leukemias er den hyppigste type svulst hos barn og gjøre opp om 30% av tilfellene [3,4]. Ifølge Peris et al. den spanske alder standardisert rate (ARS) (World standardpopulasjon) for perioden 1983-2002 var 45.93 tilfeller per million [26]. De få veletablerte risikofaktorer er arvelig kreft-predisposisjon og eksponering for ioniserende stråling, men disse faktorene utgjør bare noen få tilfeller [27]. I vår studie leukemi er svulsten med flere saker, 1062 totalt. Resultatene for den generelle romlige clustering analyse viste ikke mer aggregering i de tilfeller enn i kontrollene på alle avstander i en region, men Catalonia for avstander bedre enn 3 km. Likevel, den empiriske
D (s)
viste ganske regionale variasjoner spesielt i Baskerland og Katalonia i forhold til andre 3 regioner. Den romlige skanne statistikk viste en samling av 5 tilfeller med en p-verdi på 0,074 i Barcelona. Hypotesen om clustering hos barn med leukemi har vært studert tidligere. På slutten av nittitallet, prosjektets EUROCLUS hovedmål var å finne ut om oppholds steder saker på diagnose viste en tendens mot romlig gruppering; Men resultatene av prosjektet kan ikke bekrefte hypotesen [11]. En case-control studie i San Francisco Bay-området av USA med 112 saker og 221 fødselskontroll fant ikke bevis for ikke-tilfeldige romlige mønstre i boligene til de sakene [14]. En fransk studie av aggregerte tilfeller på områdenivå (1916 områder for fastlands-Frankrike) fant ikke bevis for romlig heterogenitet enten [12]. Flere studier har undersøkt sammenhenger mellom eksponering for miljøfarer og leukemi, en link som kunne vise heterogenitet i den romlige mønster av sakene som de som er forbundet med eksponering for plantevernmidler [7]. En annen årsaks hypotese som har blitt studert i mange tilfeller er eksponering for smittestoffer, men dens forhold med leukemi er fortsatt uklart [8]. Våre resultater viste ingen romlig heterogenitet knyttet til miljøfarer, selv om denne studien ikke var designet med det formål i tankene. Likevel, vi kan ikke forkaste miljøfarer eller infeksjoner agenter i etiologien av leukemi hos barn basert på våre resultater, kan en rom-tid-analyse være mer avgjørende i denne forstand.
CNS svulster er den nest vanligste kreftformen i barn står for ca 20% av tilfellene [3,4]. I Spania estimert ASR for perioden 1983-2002 var 32.83 tilfeller per million [26]. For denne studien hadde vi 714 tilfeller av CNS-svulster. Svært lite er kjent om etiologien av primære CNS og hjernesvulster. Anslagsvis 5% av tilfellene kan forklares med genetisk disposisjon, og den eneste etablerte miljørisikoen er en høy dose av ioniserende stråling [28]. I vår studie CNS er den nest vanligste svulsten med 714 tilfeller. For denne type kreft ingen av de to metodene som brukes antydet nærværet av et mønster av generell romlig clustering eller klynge, skjønt den empiriske
D (e)
for baskerlandet viser en tendens til klynge nærheten av statistisk signifikans. Resultater om Baskerland og Navarra har spesiell interesse fordi disse regionene har vist høyere forekomst og dødelighet for CNS svulster i alle aldre [29]. På den annen side har flere tidligere studier funnet romlige mønster. En britisk studie viste tegn til generelle rom-tid-gruppering blant tilfeller av primitive neuroectodermal svulster [13]. En annen britisk studie fant bevis for rom-tid clustering i tilfeller av astrocytom og ependymoma [30].
lymfomer er den tredje vanligste kreftformen hos barn og utgjør rundt 10-12% av tilfellene [3, 4]. Den estimerte ASR for perioden 1983-2002 for Spania var 18.48. For denne studien skilte de lymfomer i to grupper: HL, med 92 tilfeller, og NHL, med 247. HL hos barn er forbundet med Epstein Barr-virus [27]. For denne lymfom ingen av de to metoder som brukes antydet nærværet av et mønster av romlig clustering eller klynger, skjønt den empiriske
D (r)
er forskjellig for hver av de 5 områder kan dette være på grunn av det lille antallet av tilfellene. Lite er kjent om etiologien av NHL, men de tilhørende genetiske faktorene omfatter medfødte immunsviktsyndrom [27]. Våre resultater tyder på ingen generelle romlige clustering men den empiriske
D (s)
er forskjellig for hver av de 5 regionene, og, igjen, kan dette være på grunn av lite antall tilfeller. Det var en klynge av fire tilfeller av NHL i Madrid (p-verdi = 0,063).
En av de viktigste styrkene til vår studie er den store kontrollgruppen. De fleste studier av denne typen har en eller to kontroller per sak [14,31,32] i vår studie har vi 6 kontroller per sak, og som gir en mye mer realistisk bilde av den romlige fordelingen av befolkningen i fare. I første omgang har vi valgt 6-kontroller som det er anbefalt av Rothman [33], siden georeference prosessen var god, og vi fikk nesten alle kontrollene «adresser» koordinater, bestemte vi oss for å beholde alle av dem og å erstatte de få som manglet med nye kontroller.
kontrollene ble tilfeldig valgt fra fødselsattester. Dette innebærer at muligheten for å ha tilfeller inngår i kontrollgruppen, som med unntak av de tilfeller som kontroller kunne justere resultatene [34]. Kontrollgruppen skal gi et klart bilde av den romlige fordelingen av befolkningen i fare og bør ha den samme risikoen for eksponering som sakene. Vi matchet kontrollene etter kjønn, fødselsår og bostedsregion på kontoen for tidsmessige og regionale variasjoner i barnebefolkningen. For det timelige trenden har det vært en moderat variasjon i fødselsraten i løpet studerte perioden, og starter med en fødselsrate på 1,15 for året 1996 og nådde et maksimum på 1,46 for året 2008 [1]. Når det gjelder regional variasjon, det er store forskjeller mellom regioner; denne studien omfatter områder som Madrid med en samlet befolkning nær 6.500.000 innbyggere og Navarra med en samlet befolkning på rundt 650.000 innbyggere i år 2012 [1]. Dette regional variasjon kan være årsaken til en viss grad, de variasjonene som observeres i empirisk
D (s)
for de ulike regionene og årsaker.
Det bør bemerkes at vi har hjemmeadresse av tilfellene i øyeblikket av diagnose og hjemmeadressen til mor ved fødselen for kontrollene. Denne forskjellen kan introdusere skjevheter i analysen, men ifølge offisielle data, i Spania, bare rundt 1% av barnebefolkningen endre sin bolig til en annen provins [1]. Derfor vurderte vi at hjemmeadressen ved diagnose er det samme som hjemmeadressen ved fødselen for de fleste av tilfellene.
Vi har brukt veletablerte metoder for denne analysen. For den generelle romlige clustering analyse vi brukte metoden foreslått av Diggle og Chetwynd for case-kontrollstudier. Denne metoden er basert på sammenligning av det andre-ordens egenskap av de observerte punktprosesser som en funksjon av avstand, en sammenligning gjort av forskjellen mellom de k funksjonene [35]. Metoden har vært brukt i forskjellige romlige analyser av epidemiologiske data [36,37], og den har en fordel fremfor andre metoder ved at resultatene viser den spesifikke avstanden ved hvilken clustering inntreffer. Den andre metoden, Spatial skanne statistikk er en svært populær metode for klyngen deteksjon som har vært brukt i mange studier, først og fremst på grunn av sin tilgjengelighet i fri programvarepakken SATSCAN [24,35,38], kommer den viktigste feilen ved bruk av en regelmessig formet vindu for buffer [39].
en begrensning for studien er at vi utførte analysen over to frakoblede områder, på én hånd de nord-øst regioner og på den annen side den Madrid-regionen. Men dette faktum ikke påvirker resultatene og konklusjonene. For generelle romlige clustering vi beregnet den empiriske
D (s)
for hver region og kreftsaken separat og deretter for cluster deteksjon vi definert 8 km som en maksimal vindu. Derfor vurderte vi at frakobling av områdene var ikke et problem. En annen begrensning er mangelen på mer informasjon om mulig eksponering for risikofaktorer for barna og deres foreldre. Inkludering av disse dataene i analysen kan gi mer konkluderende resultater.
Konklusjon
Denne studien analyserer geografiske mønstre, generelle romlige clustering og klynger, de enkelte forekomst tilfeller av barneleukemi, CNS svulster , HL og NHL i Spania. Vi har funnet romlig variasjon i forekomsten av de viktigste kreft hos barn mellom de forskjellige områder og kreftformer, variasjoner som kan delvis forklares ved forskjeller i den romlige fordelingen av befolkningen. Fremdeles ifølge litteraturen, kan vi ikke forkaste deltakelse av miljøfarer eller smittestoffer i etiologien av disse kreftformene.
Takk
Denne studien ble finansiert av Spanias Health Research Fund (Fondo de INVESTIGACION Sanitaria-FIS 12/01416). Vi ønsker også å takke Iñigo Tamayo for sin teknisk støtte i geokoding av data.
