Deskrivende epidemiologi: Historiske perspektiver og fremtidige muligheder
Deskrivende epidemiologi: Historiske perspektiver og fremtidige muligheder
Dr. Joseph F. Fraumeni, Jr. og Dr. Robert N. Hoover præsenterer et tilbageblik på årtiers banebrydende forskning inden for deskriptiv epidemiologi.
Divisionen opretholder et omfattende, mangesidet program af beskrivende epidemiologiske undersøgelser, der anvender en række forskellige metodologiske tilgange til at identificere nye risikofaktorer, evaluere tumorheterogenitet, beskrive nuværende og fremtidige tendenser for almindelige og sjældne maligniteter og fremskrive risikoen for sekundære primære kræftformer.
COVID-19 Mortality Tracker
Forskerne har udviklet COVID-19 Mortality Tracker for at overvåge de ugentlige amerikanske tendenser i den samlede og årsagsspecifikke dødelighed siden pandemiens udbrud. Målet er at overvåge den bredere indvirkning af COVID-19 på dødeligheden i USA ved hjælp af datavisualiseringsteknikker for at afsløre mønstre og generere potentielle forskningsspørgsmål.
Mapping Cancer Rates by Geography, Race, and Ethnicity
For at identificere nye kræftfremkaldende eksponeringer bruger vores forskere NCI Cancer Atlas, et visualiseringskortlægningsværktøj, til at karakterisere den geografiske fordeling af kræft samt forskelle efter race og etnicitet.
Molekylær epidemiologi i kræfttendenser
For at drage fordel af nye molekylære, genetiske, hormonelle og virale markører, der påvirker kræftbehandling og prognose, integrerer DCEG-forskere oplysninger fra patologirapporter i beskrivende undersøgelser og kræftregistre. Denne indsats er i tråd med det bredere afdelingsprogram om tumorprofilering i relation til kræftætiologi.
Data Linkage Studies
Store databaser, der er knyttet til kræftregistre, gør det muligt for DCEG-forskere at vurdere kræftrisikofaktorers indflydelse på incidensraten på befolkningsniveau. Sammenkoblede undersøgelser omfatter HIV/AIDS Cancer Match Study, Transplant Cancer Match Study og SEER-Medicare.
Nye metoder og værktøjer
DCEG-forskere har udviklet sofistikerede biostatistiske modeller og analytiske værktøjer til at hjælpe med at forklare ændringer i kræftincidens og dødelighedstendenser over tid. Et eksempel er Age-Period-Cohort (APC)-værktøjet (Age-Period-Cohort), der er designet til at sætte forskerne i stand til at adskille de interaktive virkninger af aldersrelateret biologi, kalenderperiodeeffekter (f.eks. screening) og fødselskohorteeksponeringer fra den ene generation til den næste.