Prevalence of autoimmune inflammatory myopathy in the first nations population of Alberta, Canada
Notice bibliographique
Résumé
OBJECTIVE: To estimate the population-based prevalence of autoimmune inflammatory myopathy (AIM) in Alberta, Canada, with a specific focus on rates in the First Nations population. METHODS: Physician billing claims and hospitalization data for the province of Alberta (1994-2007) were used to estimate the probability of having AIM (i.e., polymyositis or dermatomyositis) based on 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 of sex, age group, and location of residence (urban or rural) in estimating the prevalence rates within the First Nations and non-First Nations populations. RESULTS: The overall prevalence of AIM was 25.0 per 100,000 persons (95% credible interval [95% CrI] 13.4-49.0) in the First Nations population and 33.8 (95% CrI 28.9-39.6) in the non-First Nations population. For both groups, prevalence was increased in women relative to men, rural women relative to urban women, and in those age >45 years. CONCLUSION: Unlike other rheumatic diseases such as rheumatoid arthritis, systemic lupus erythematosus, and systemic sclerosis, we did not detect an increased prevalence of AIM in Alberta's First Nations population relative to the non-First Nations population. Potential limitations include coding errors, underidentification of First Nations members, and recognized differences in access to care for the First Nations population.
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 | 0,001 | 0,000 |
| 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 ».