Analyses

Passer au filtres. Voir les résultats.

Quoi de neuf sur notre site

Montrer les résultats

Filtrer les résultats par

Aide à la recherche
Currently selected filters that can be removed
Retirer Annuler le filtre «Santé» Retirer Annuler le filtre «Elliott, Michael»
Effacer tout

Mot(s)-clé(s)

Sujet

Année de publication

1 facets displayed. 0 facets selected.

Auteur(s)

1 facets displayed. 1 facets selected.
Aide à l'ordre
entrées

Résultats

Tout (1)

Tout (1) ((1 résultat))

  • 1. Obtention d'estimations régionales de la prévalence des facteurs de risque liés au cancer Archivé
    Articles et rapports : 11-522-X20020016718
    Description :

    Les études de surveillance du cancer nécessitent des estimations exactes des facteurs de risque à l'échelon régional. Ces données sur les facteurs de risque proviennent souvent d'enquêtes comme la National Health Interview Survey (NHIS) ou la Behavioral Risk Factors Surveillance Survey (BRFSS). Malheureusement, aucune enquête avec échantillon représentatif de la population ne fournit des estimations idéales de la prévalence de ces facteurs de risque.

    Une stratégie consiste à rassembler l'information provenant d'enquêtes multiples en tablant sur les points forts complémentaires d'une enquête pour compenser les faiblesses d'une autre. La NHIS est une enquête nationale par interview directe ayant un taux de réponse élevé; cependant, elle ne permet pas de produire des estimations de la prévalence des facteurs de risque à l'échelon de l'État ou à l'échelon infra État, parce que la taille des échantillons est trop faible. La BRFSS est une enquête téléphonique à l'échelon de l'État dont sont exclus les ménages n'ayant pas le téléphone et dont le taux de réponse est faible, mais elle fournit des tailles d'échantillon raisonnables pour tous les États et pour de nombreux comtés. Plusieurs méthodes existent pour construire des estimateurs régionaux qui rassemblent de l'information provenant de la NHIS et de la BRFSS, y compris des estimateurs directs, des estimateurs à modèles hiérarchiques bayesiens et des estimateurs assistés par modèle. Cet article porte principalement sur les derniers; on construit des estimateurs de régression généralisée (GREG) et des estimateurs de la « distance minimale », et on utilise des techniques existantes et récemment mises au point de lissage régional pour lisser les estimateurs résultants.

    Date de diffusion : 2004-09-13
Stats en bref (0)

Stats en bref (0) (0 résultat)

Aucun contenu disponible actuellement

Articles et rapports (1)

Articles et rapports (1) ((1 résultat))

  • 1. Obtention d'estimations régionales de la prévalence des facteurs de risque liés au cancer Archivé
    Articles et rapports : 11-522-X20020016718
    Description :

    Les études de surveillance du cancer nécessitent des estimations exactes des facteurs de risque à l'échelon régional. Ces données sur les facteurs de risque proviennent souvent d'enquêtes comme la National Health Interview Survey (NHIS) ou la Behavioral Risk Factors Surveillance Survey (BRFSS). Malheureusement, aucune enquête avec échantillon représentatif de la population ne fournit des estimations idéales de la prévalence de ces facteurs de risque.

    Une stratégie consiste à rassembler l'information provenant d'enquêtes multiples en tablant sur les points forts complémentaires d'une enquête pour compenser les faiblesses d'une autre. La NHIS est une enquête nationale par interview directe ayant un taux de réponse élevé; cependant, elle ne permet pas de produire des estimations de la prévalence des facteurs de risque à l'échelon de l'État ou à l'échelon infra État, parce que la taille des échantillons est trop faible. La BRFSS est une enquête téléphonique à l'échelon de l'État dont sont exclus les ménages n'ayant pas le téléphone et dont le taux de réponse est faible, mais elle fournit des tailles d'échantillon raisonnables pour tous les États et pour de nombreux comtés. Plusieurs méthodes existent pour construire des estimateurs régionaux qui rassemblent de l'information provenant de la NHIS et de la BRFSS, y compris des estimateurs directs, des estimateurs à modèles hiérarchiques bayesiens et des estimateurs assistés par modèle. Cet article porte principalement sur les derniers; on construit des estimateurs de régression généralisée (GREG) et des estimateurs de la « distance minimale », et on utilise des techniques existantes et récemment mises au point de lissage régional pour lisser les estimateurs résultants.

    Date de diffusion : 2004-09-13
Revues et périodiques (0)

Revues et périodiques (0) (0 résultat)

Aucun contenu disponible actuellement

Signaler un problème ou une erreur sur cette page
Date de modification :

Aide liée à la recherche

Comment utiliser les filtres et le champ de recherche

  • Vous pouvez faire une recherche en inscrivant des mots-clés ou en sélectionnant des filtres (p. ex. sous Sujet, Géographie, etc.) du côté gauche de la page.

  • On peut utiliser les filtres ensemble ou former diverses combinaisons. À chaque sélection de filtre, la page des résultats est mise à jour.

  • Pour commencer une nouvelle recherche, cliquez sur le bouton Effacer tout au-dessus du champ de recherche ou décochez tous les filtres.

  • Les mots-clés et les filtres précisés sont affichés au-dessus du champ de recherche. Vous pouvez désélectionner l’un ou l’autre des éléments ou tous les éléments, pour préciser ou effacer votre recherche.

Comment préciser ma recherche

  • Vous pouvez entrer des mots-clés dans le champ de recherche. Il n’est pas nécessaire d’utiliser « + » ou « , » ou « ET ».

  • Vous pouvez supprimer certains mots-clés ou tous les mots-clés de votre chaîne de recherche.

  • Les mots-clés entre guillemets limitent la recherche à l’expression précise.

    • Par exemple, si vous cherchez « Enquête sur la population active », vous obtiendrez seulement des documents contenant cette suite de mots.

  • Utilisez « ou » entre les mots-clés pour obtenir des résultats qui contiennent au moins l’un des termes recherchés.

    •  Par exemple, si vous cherchez enquête ou­ population ou active, vous obtiendrez seulement les documents contenant l’un ou l’autre de ces mots, ou tous ces mots.

Comment fonctionne la recherche

  • Cette forme de recherche fournira les résultats contenant le(s) mot(s) inscrit(s) dans le titre, la description, le sujet, la géographie, le numéro de produit ou toute autre information au sujet du produit.

    • Par exemple, lorsque vous cherchez le mot « maladies », tous les résultats obtenus contiendront ce mot dans le titre, la description, ou le sujet.

  • La recherche ne se fait pas dans le texte des articles ou des publications. Pour faire une recherche plein texte dans les articles, utilisez la fonction de recherche du site.

Aide pour trier les résultats

De quelle façon les résultats seront-ils présentés?

La fonction Trier par vous offre les trois options suivantes :

  • Par date – Trie les résultats par date de diffusion des produits, en commençant par le plus récent.
  • Par pertinence – N’est nécessaire ou utile que lorsque vous utilisez le champ de recherche pour lancer votre recherche. Les résultats sont classés en fonction d’une combinaison de facteurs, notamment l’emplacement des termes recherchés dans le contenu (p. ex. s’ils figurent dans le titre, il est probable que le produit soit plus pertinent pour votre recherche), l’actualité ou la nouveauté du contenu du produit et la popularité du produit.
  • Par titre – Trie les résultats en ordre alphabétique.

Aide pour trier les résultats

De quelle façon les résultats seront-ils présentés?

La fonction Trier par vous offre les quatre options suivantes :

  • Par date – Trie les résultats par date de diffusion des produits, en commençant par le plus récent.
  • Par pertinence – N’est nécessaire ou utile que lorsque vous utilisez le champ de recherche pour lancer votre recherche. Les résultats sont classés en fonction d’une combinaison de facteurs, notamment l’emplacement des termes recherchés dans le contenu (p. ex. s’ils figurent dans le titre, il est probable que le produit soit plus pertinent pour votre recherche), l’actualité ou la nouveauté du contenu du produit et la popularité du produit.
  • Par popularité – Donne la priorité aux résultats qui sont le plus souvent sélectionnés par les utilisateurs, puis aux plus récents.
  • Par titre – Trie les résultats en ordre alphabétique.