Epidemiology of Rheumatic Diseases. A Community-Based Study in Urban and Rural Populations in the State of Nuevo Leon, Mexico
Notice bibliographique
Résumé
OBJECTIVE: To estimate the prevalence of rheumatic diseases in rural and urban populations using the WHO-ILAR COPCORD questionnaire. METHODS: We conducted a cross-sectional home survey in subjects > 18 years of age in the Mexican state of Nuevo Leon. Results were validated locally against physical examination in positive cases according to an operational definition by 2 rheumatologists. We used a random, balanced, and stratified sample by region of representative subjects. RESULTS: We surveyed 4713 individuals with a mean age of 43.6 years (SD 17.3); 55.9% were women and 87.1% were from urban areas. Excluding trauma, 1278 individuals (27.1%, 95% CI 25.8%-28.4%) reported musculoskeletal pain in the last 7 days; the prevalence of this variable was almost twice as frequent in women (33% vs 17% in men); 529 (11.2%) had pain associated with trauma. The global prevalence of pain was 38.3%. Mean pain score was 2.4 (SD 3.4) on a pain scale of 0-10. Most subjects classified as positive according to case definition (99%) were evaluated by a rheumatologist. Main diagnoses were osteoarthritis in 17.3% (95% CI 16.2-18.4), back pain in 9.8% (95% CI 9.0-10.7), undifferentiated arthritis in 2.4% (95% CI 2.0-2.9), rheumatoid arthritis in 0.4% (95% CI 0.2-0.6), fibromyalgia in 0.8% (95% CI 0.6-1.1), and gout in 0.3% (95% CI 0.1-0.5). CONCLUSION: This is the first regional COPCORD study in Mexico performed with a systematic sampling, showing a high prevalence of pain. COPCORD is a useful tool for the early detection of rheumatic diseases as well as for accurately referring patients to different medical care centers and to reduce underreporting of rheumatic diseases.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,001 |
| 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 ».