The Incidence and Prevalence of Multiple Sclerosis in Nova Scotia, Canada
Notice bibliographique
Résumé
BACKGROUND: Estimates of incidence and prevalence are needed to determine disease risk and to plan for health service needs. Although the province of Nova Scotia, Canada is located in a region considered to have a high prevalence of multiple sclerosis (MS), epidemiologic data are limited. OBJECTIVE: We aimed to validate an administrative case definition for MS and to use this to estimate the incidence and prevalence of MS in Nova Scotia. METHODS: We used provincial administrative claims data to identify persons with MS. We validated administrative case definitions using the clinical database of the province's only MS Clinic; agreement between data sources was expressed using a kappa statistic. We then applied these definitions to estimate the incidence and prevalence of MS from 1990 to 2010. RESULTS: We selected the case definition using ≥7 hospital or physician claims when >3 years of data were available, and ≥3 claims where less data were available. Agreement between data sources was moderate (kappa = 0.56), while the positive predictive value was high (89%). In 2010, the age-standardized prevalence of MS per 100,000 population was 266.9 (95% CI: 257.1- 277.1) and incidence was 5.17 (95% CI: 3.78-6.56) per 100,000 persons/year. From 1990-2010 the prevalence of MS rose steadily but incidence remained stable. CONCLUSIONS: Administrative data provide a valid and readily available means of estimating MS incidence and prevalence. MS prevalence in Nova Scotia is among the highest in the world, similar to recent prevalence estimates elsewhere in Canada. Incidence et prévalence de la sclérose en plaques en Nouvelle-Écosse, Canada.
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 | 0,004 | 0,011 |
| 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 | 0,001 | 0,010 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».