Socioeconomic variations in the prevalence and incidence of Parkinson's disease: a population-based analysis
Notice bibliographique
Résumé
BACKGROUND: For many chronic conditions, lower socioeconomic status is associated with higher rates of disease. Previous research has not investigated whether this inverse relationship exists for Parkinson's disease (PD). The purpose was to investigate the association between socioeconomic status and prevalence and incidence of PD. METHODS: The study was conducted using population-based administrative data from Manitoba, Canada. PD cases were identified from diagnoses in hospital and physician records. Area-level census data on average household income and residential postal codes in health insurance registration files were used to assign PD cases to urban and rural income quintiles. Annual adjusted prevalence and incidence estimates were calculated for fiscal years 1987/88-2006/07. Hypotheses about differences between quintiles in average estimates and average rates of change were tested using generalised linear models with generalised estimating equations. RESULTS: The estimated prevalence of PD increased over the 20-year-period but incidence remained unchanged. In urban regions, average prevalence and incidence estimates were significantly higher for the lowest income quintile than the highest quintile. In rural regions, average prevalence estimates were significantly higher for the lowest quintile than for the highest quintile but incidence estimates were not significantly different. The annual rate of increase in the PD prevalence was significantly different for the lowest urban and rural income quintiles. CONCLUSIONS: There is a greater burden of PD in low-income areas. An understanding of socioeconomic inequalities is useful when formulating hypotheses about factors associated with disease onset and developing equity-oriented policies about access to healthcare resources.
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 | 0,006 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».