On cluster structures of cancer incidence and mortality data over time in Finland

Thumbnail Image

URL

Journal Title

Journal ISSN

Volume Title

School of Science | Master's thesis

Authors

Date

2025-08-15

Department

Major/Subject

Systems and Operations Research

Mcode

Degree programme

Master's Programme in Mathematics and Operations Research

Language

en

Pages

70

Series

Abstract

The cancer burden is increasing globally. In 2022, nearly 20 million new cancer cases were diagnosed, and by 2050, this figure has been estimated to increase by 77%, or over 35 million new cases. Part of this development can be explained by the expected increase in population during the same time frame from 8.0 billion to 9.7 billion. In addition, the share of people aged 65 years and above is expected to increase from 10% to 16%, and aging, after all, is among the main risk factors causing cancer. However, our current way of living and environment are associated with many other risk factors causing cancer, including an unbalanced diet, obesity, physical inactivity, smoking, alcohol use, microplastics, and xenoestrogens. In this thesis, cluster structures of cancer incidence and mortality data from 1962 to 2022 in Finland are identified and analyzed. The analysis is divided between females and males, and different age groups, ranging from 20-29 to 70-79 years. Both unstandardized and standardized data is used. To identify the cluster structures, an agglomerative hierarchical clustering algorithm is utilized, combined with a tailored proximity measure and the average linkage method. After employing the clustering algorithm, the resulting cluster structures are described, differences in the cluster structures between different subgroups determined by age and gender are evaluated, and whether hormone-related cancers emerge in the same cluster due to the Western lifestyle is considered. To support the analysis, a description of the Western lifestyle, as well as the associations between its components and cancer, are also provided as part of the thesis. In terms of results of the thesis, it was observed that in many cases there is one large cluster containing many different cancers, while in the remaining clusters, there is often only one, sometimes two cancers per cluster. As expected, it appeared that differences in the scale affected the resulting clustering structures a bit in the case of unstandardized data. It was also discovered that hormone-related cancers, such as breast, cervical, and prostate cancer often formed clusters of their own, contrary to forming joint clusters with other hormone-related cancers. In addition, lung and tracheal cancer was observed in many cases, both among females and males, form a cluster of its own, suggesting possible changes in smoking behavior.

Maailmanlaajuinen syöpäkuorma kasvaa. Vuonna 2022 diagnosoitiin lähes 20 miljoonaa uuttaa syöpätapausta, ja vuoteen 2050 mennessä tämän luvun on ennustettu kasvavan 77%:lla, joka vastaa yli 35 miljoonaa uutta tapausta. Osa tästä kehityksestä voidaan selittää odotetulla väestönkasvulla 8,0 miljardista 9,7 miljardiin samalla aikavälillä. 65-vuotiaiden ja vanhempien osuuden väestöstä odotetaan lisäksi kasvavan 10%:sta 16%:iin, ja ikääntyminen onkin yksi merkittävimmistä syövän riskitekijöistä. Nykyinen elämäntapamme ja ympäristömme altistavat monille muille syövän riskitekijöille. Näitä ovat epätasapainoinen ruokavalio, lihavuus, liikkumattomuus, tupakointi, alkoholin käyttö, mikromuovit ja ksenoestrogeenit. Tässä diplomityössä tunnistetaan ja analysoidaan klusterirakenteita Suomen syöpäilmaantuvuus ja -kuolleisuusdatassa vuodesta 1962 vuoteen 2022. Analyysi tehdään naisille ja miehille sekä eri ikäryhmille, jotka käsittävät ikäryhmät 20-29-vuotiaista 70-79-vuotiaisiin. Työssä käytetään sekä standardoimatonta että standardoitua dataa. Klusterirakenteiden tunnistamiseksi hyödynnetään kasaavaa hierarkkista klusterointialgoritmia, johon on yhdistetty räätälöity etäisyysmitta sekä keskiarvoinen linkitysmenetelmä. Klusterirointialgoritmin avulla tunnistettuja klusterirakenteita kuvaillaan, eroja eri alaryhmien, jotka määräytyvät sukupuolen ja ikäryhmän mukaan, arvioidaan sekä tutkitaan, erottuvatko hormonaaliset syövät omaksi klusterikseen länsimaisen elämäntavan seurauksena. Analyysin tueksi työhön sisältyy kuvaus länsimaisesta elämäntavasta sekä sen osatekijöiden ja syövän välisistä yhteyksistä. Huomattiin, että monessa tapauksessa muodostuu yksi iso klusteri, joka sisältää monta eri syöpää, kun taas jäljelle jäävät klusterit muodostuvat usein yhdestä syövästä, joskus kahdesta. Odotusten mukaisesti vaikutti siltä, että erot skaalassa vaikuttivat tuloksiin hieman, kun tarkasteltiin standardoimatonta dataa. Hormonaalisten syöpien, kuten rinta-, eturauhasen ja kohdunkaulan syöpä, kohdalla huomattiin, että nämä syövät muodostivat usein kukin oman klusterinsa eivätkä yhteisiä klustereita muiden hormonaalisten syöpien kanssa. Lisäksi keuhko- ja henkitorven syövän huomattiin usein, niin naisten kuin miesten tapauksessa, muodostavan oman klusterinsa, mikä saattaa johtua muutoksista tupakoinnissa.

Description

Supervisor

Ilmonen, Pauliina

Keywords

agglomerative hierarchical clustering, cancer incidence, cancer mortality, functional data analysis, western lifestyle, funktionaalinen data-analyysi, länsimainen elämäntapa, syöpäesiintyvyys, syöpäkuolleisuus

Other note

Citation

Permanent link to this item

https://urn.fi/URN:NBN:fi:aalto-202510218446

Collections

[dipl] Perustieteiden korkeakoulu / SCI