Epidemiologia opisowa: perspektywy historyczne i przyszłe możliwości
Epidemiologia opisowa: perspektywy historyczne i przyszłe możliwości
Dr. Joseph F Fraumeni, Jr. i dr Robert N. Hoover przedstawiają retrospektywę dekad przełomowych badań w epidemiologii opisowej.
Wydział prowadzi szeroko zakrojony, wielopłaszczyznowy program opisowych badań epidemiologicznych wykorzystujących różnorodne podejścia metodologiczne do identyfikacji nowych czynników ryzyka, oceny heterogeniczności nowotworów, opisywania bieżących i przyszłych trendów powszechnych i rzadkich nowotworów złośliwych oraz projektowania ryzyka dla drugich nowotworów pierwotnych.
COVID-19 Mortality Tracker
Badacze opracowali COVID-19 Mortality Tracker w celu monitorowania tygodniowych trendów w USA w ogólnej i specyficznej dla przyczyn śmiertelności od początku pandemii. Celem jest monitorowanie szerszego wpływu COVID-19 na śmiertelność w USA przy użyciu technik wizualizacji danych, aby ujawnić wzorce i wygenerować potencjalne pytania badawcze.
Mapping Cancer Rates by Geography, Race, and Ethnicity
Aby zidentyfikować nowe ekspozycje rakotwórcze, nasi badacze wykorzystują NCI Cancer Atlas, narzędzie do wizualizacji mapowania, aby scharakteryzować geograficzną dystrybucję raka, jak również różnice według rasy i pochodzenia etnicznego.
Epidemiologia molekularna w trendach nowotworowych
Aby wykorzystać pojawiające się markery molekularne, genetyczne, hormonalne i wirusowe, które wpływają na leczenie raka i rokowanie, badacze DCEG włączają informacje z raportów patologicznych do badań opisowych i rejestrów nowotworów. Wysiłek ten pokrywa się z szerszym programem Wydziału dotyczącym profilowania guzów w odniesieniu do etiologii raka.
Data Linkage Studies
Duże bazy danych połączone z rejestrami raka pozwalają badaczom DCEG ocenić wpływ czynników ryzyka raka na wskaźniki zachorowalności na poziomie populacji. Połączone badania obejmują HIV/AIDS Cancer Match Study, Transplant Cancer Match Study i SEER-Medicare.
Nowe metody i narzędzia
Badacze DCEG opracowali zaawansowane modele biostatystyczne i narzędzia analityczne, aby pomóc wyjaśnić zmiany w zachorowalności i umieralności na raka trendy w czasie. Przykładem jest narzędzie Age-Period-Cohort (APC), zaprojektowane w celu umożliwienia badaczom wyodrębnienia interaktywnych efektów biologii związanej z wiekiem, efektów okresu kalendarzowego (np. badań przesiewowych) oraz ekspozycji kohorty urodzeniowej z jednego pokolenia na następne.
.