Is asthma a vanishing disease? A study to forecast the burden of asthma in 2022
Notice bibliographique
Résumé
BACKGROUND: Recent evidence regarding temporal trends of asthma burden has not been consistent, with some countries reporting decreases in prevalence of asthma. In Ontario, the province in Canada with the highest population, the prevalence of asthma rose at a rate of 0.5% per year between 1996 and 2005. These estimates were based on population-based health services use data spanning more than a decade and provide a powerful source to forecast the trends of asthma burden. The objective of this study was to use observed population trends data of asthma incidence and prevalence to forecast future disease burden. METHODS: The Ontario Asthma Surveillance Information System (OASIS) used health administrative databases to identify and track all individuals in the province with asthma. Individuals with asthma identified between April 1, 1996 and March 31, 2010 were included. Exponential smoothing models were applied to annual data to project incidence to the year 2022, prevalence was estimated by applying the cumulative projected incidence to the projected population. RESULTS: While asthma incidence is falling, the absolute number of prevalent cases will continue to rise. We projected that almost 1 in 8 individuals in Ontario will have asthma by the year 2022, suggesting that asthma will continue to be a major burden on individuals and the health care system. CONCLUSIONS: These projections will help inform health care planners and decision-makers regarding resource allocation to optimize asthma outcomes.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».