The Coexistence of Terms to Describe the Presence of Multiple Concurrent Diseases
Notice bibliographique
Résumé
Background Consensus on terminology for multiple diseases is lacking. Because of the clinical relevance and social impact of multiple concurrent diseases, it is important that concepts are clear. Objective To highlight the diversity of terms in the literature referring to the presence of multiple concurrent diseases/conditions and make recommendations. Design A bibliometric analysis of English-language publications indexed in the MEDLINE database from 1970 to 2012 for the terms comorbidity, multimorbidity, polymorbidity, polypathology, pluripathology, multipathology, and multicondition, and a review of definitions of multimorbidity found in English-language publications indexed from 1970 to 2012 in the MEDLINE and SCOPUS databases. Results Comorbidity was used in 67,557 publications, multimorbidity in 434, and the other terms in three to 31 publications. At least 144 publications used the term comorbidity without referring to an index disease. Thirteen general definitions of multimorbidity were identified, but only two were frequently used (91% of publications). The most frequently used definition (48% of publications) was “ more than one or multiple chronic or long-term diseases/conditions”. Multimorbidity was not defined in 51% of the publications using the term. Conclusions Comorbidity was overwhelmingly used to describe any clinical entity coexisting with an index disease under study. Multimorbidity was the term most frequently used when no index disease was designated. Several definitions of multimorbidity were found. However, most authors using the term did not define it. The use of clearly defined terms in the literature is recommended until a general consensus on the terminology of multiple coexistent diseases is reached.
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 | 0,000 | 0,001 |
| 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 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 ».