Prevalence of systemic lupus erythematosus and systemic sclerosis in the First Nations population of Alberta, Canada
Notice bibliographique
Résumé
OBJECTIVE: To estimate the population-based prevalence of systemic lupus erythematosus (SLE) and systemic sclerosis (SSc) in Alberta, Canada, stratified by First Nations status. METHODS: Physician billing claims and hospitalization data for the province of Alberta (1994-2007) were used to ascertain cases of SLE and SSc using 3 case definitions. A latent class Bayesian hierarchical regression model was employed to account for the imperfect sensitivity and specificity of billing and hospitalization data in case ascertainment. We accounted for demographic factors, estimating prevalence rates for the First Nations and non-First Nations populations by sex, age group, and location of residence (urban/rural). RESULTS: Our model estimated the prevalence of SLE in Alberta to be 27.3 cases per 10,000 females (95% credible interval [95% CrI] 25.9-28.8) and 3.2 cases per 10,000 males (95% CrI 2.6-3.8). The overall prevalence of SSc in Alberta was 5.8 cases per 10,000 females (95% CrI 5.1-6.5) and 1.0 case per 10,000 males (95% CrI 0.7-1.4). First Nations females over 45 years of age had twice the prevalence of either SLE or SSc relative to non-First Nations females. There was also a trend toward higher overall SLE prevalence in urban dwellers, and higher overall SSc prevalence in rural residents. CONCLUSION: First Nations females older than 45 years of age have an increased prevalence of either SLE or SSc. This may reflect a true predominance of autoimmune rheumatic diseases in this demographic, or may indicate systematic differences in health care delivery.
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.
Comment cette classification a été obtenuedéplier
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».