| Titre | An analysis of the spatial association between cancer mortality and risk factors: the role of the geographical scale | |
|---|---|---|
| Auteur | C. Cislaghi, M. Braga, A. Danielli, G. Luppi | |
 |
Revue | Espace Populations Sociétés |
| Numéro | no 3, 1990 Les inégalités géographiques de la mortalité (I) - The Geographical Inequalities of Mortality (I) | |
| Rubrique / Thématique | Tome 1. Problématique et méthodes; Tome 1. Problematics and methods II. Contributions méthodologiques; II. Methodologic papers |
|
| Page | 407-416 | |
| Résumé |
Une analyse des relations entre la mortalité par cancer et les facteurs de risque : le rôle de l'échelle géographique. Les résultats des études de corrélation géographique dépendent fortement de l'échelle spatiale adoptée dans l'analyse. Les analyses peuvent être biaisées pour deux raisons : le choix de zones élémentaires trop petites (biais microscopique) ou de zones élémentaires trop grandes (biais macroscopique) en relation avec la distribution spatiale du phénomène en étude. Par conséquent il est très utile d'analyser les données à tous les niveaux géographiques possibles, du plus petit jusqu'au plus grand. Pour ce faire on propose d'utiliser une méthode non paramétrique mise au point par les auteurs pour l'exploration spatiale d'un phénomène. Cette méthode permet, en utilisant des partitions itératives casuelles, de réaliser des cartes géographiques lissées à différents niveaux d'agrégation qui montrent quelles sont les échelles spatiales qui maximisent la corrélation entre la distribution d'un taux de mortalité et la distribution d'un possible facteur explicatif. Source : Éditeur (via Persée) |
|
| Résumé anglais |
Results obtained from geographical correlation studies depend crucially on the geographical scale adopted in the analysis. Biases may result both as a consequence of analyses based on elementary units too small (microscopic bias) or too wide (telescopic bias) compared to the spatial distribution of the phenomena under study. Under those circumstances helpful information may be achieved analyzing the data at all the possible levels of aggregation from the smallest to the widest. Random iterating partitions of the total area in progressively smaller sub-areas has been proposed as a non-parametric method for exploring spatial phenomena. The results generated by this method for all the partitions considered, can be finally used to identify the aggregation level at which the correlation between the risk factor and the damage indicator reaches the maximum. Source : Éditeur (via Persée) |
|
| Article en ligne | http://www.persee.fr/doc/espos_0755-7809_1990_num_8_3_1418 |
