Benchmarking the burden of 100 diseases: results of a nationwide representative survey within general practices
Notice bibliographique
Résumé
Objective To assess the burden of diseases and quality of life (QOL) of patients for a large variety of diseases within general practice. Design In a representative nationwide cross-sectional study, a total of 825 general practitioners (GPs) were randomly selected from across France. Independent investigators recruited 8559 patients attending the GPs' practices. Data on QOL (12-Item Short Form questionnaire) and other individual characteristics were documented by the independent investigators for all participants in the waiting room. Medical information was recorded by GPs. Sampling was calibrated to national standards using the CALMAR (CALage sur MARges) weighting procedure. Associations of lower scores (ie, below vs above the first quartile) of physical and mental component scores (physical component summary score (PCS) and mental component summary score (MCS), respectively) with main diseases and patients characteristics were estimated using multivariate logistic regression. Weighted morbidity rates, PCS and MCS were computed for 100 diagnoses using the International Classification of Diseases (9th version). Results Overall mental impairment was observed among patients in primary care with an average MCS of 41.5 (SD 8.6), ranging from 33.0 for depressive disorders to 45.3 for patients exhibiting fractures or sprains. Musculoskeletal diseases were found to have the most pronounced effect on impaired physical health (OR=2.31; 95% CI 2.08 to 2.57) with the lowest PCS (45.6 (SD 8.8)) and ranked first (29.0%) among main diagnoses experienced by patients followed by cardiovascular diseases (26.7%) and psychological disorders (22.0%). When combining both prevalence and QOL, musculoskeletal diseases represented the heaviest burden in general practice. Conclusions Etude épidémiologique de l'Impact de santé public sur 3 groupes de pathologies (EPI3) is the first study to provide reference figures for burden of disease in general practice across a wide range of morbidities, particularly valuable for health-economics and healthcare-system evaluation.
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 | 0,003 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 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 ».