Applying a system approach to forecast the total hepatitis C virus‐infected population size: model validation using US data
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Hepatitis C virus (HCV) infection is associated with chronic progressive liver disease. Its global epidemiology is still not well ascertained and its impact will be confronted with a higher burden in the next decade. AIM: The goal of this study was to develop a tool that can be used to predict the future prevalence of the disease in different countries and, more importantly, to understand the cause and effect relationship between the key assumptions and future trends. METHODS: A system approach was used to build a simulation model where each population was modeled with the appropriate inflows and outflows. Sensitivity analysis was used to identify the key drivers of future prevalence. RESULTS: The total HCV-infected population in the US was estimated to decline 24% from 3.15 million in 2005 to 2.47 million in 2021, while disease burden will increase as the remaining infected population ages. During the same period, the mortality rate was forecasted to increase from 2.1 to 3.1%. The diagnosed population was 50% of the total infections, while less than 2% of the total infections were treated. CONCLUSION: We have created a framework to evaluate the HCV-infected populations in countries around the world. This model may help assess the impact of policies to meet the challenges predicted by the evolution of HCV infection and disease. This prediction tool may help to target new public health strategies.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle