Prevalence of rheumatoid arthritis in low- and middle-income countries: A systematic review and analysis.
Notice bibliographique
Résumé
BACKGROUND: Rheumatoid arthritis (RA) is an autoimmune disorder that affects the small joints of the body. It is one of the leading causes of chronic morbidity in high-income countries, but little is known about the burden of this disease in low- and middle-income countries (LMIC). METHODS: The aim of this study was to estimate the prevalence of RA in six of the World Health Organization's (WHO) regions that harbour LMIC by identifying all relevant studies in those regions. To accomplish this aim various bibliographic databases were searched: PubMed, EMBASE, Global Health, LILACS and the Chinese databases CNKI and WanFang. Studies were selected based on pre-defined inclusion criteria, including a definition of RA based on the 1987 revision of the American College of Rheumatology (ACR) definition. RESULTS: Meta-estimates of regional RA prevalence rates for countries of low or middle income were 0.40% (95% CI: 0.23-0.57%) for Southeast Asian, 0.37% (95% CI: 0.23-0.51%) for Eastern Mediterranean, 0.62% (95% CI: 0.47-0.77%) for European, 1.25% (95% CI: 0.64-1.86%) for American and 0.42% (95% CI: 0.30-0.53%) for Western Pacific regions. A formal meta-analysis could not be performed for the sub-Saharan African region due to limited data. Male prevalence of RA in LMIC was 0.16% (95% CI: 0.11-0.20%) while the prevalence in women reached 0.75% (95% CI: 0.60-0.90%). This difference between males and females was statistically significant (P < 0.0001). The prevalence of RA did not differ significantly between urban and rural settings (P = 0.353). These prevalence estimates represent 2.60 (95% CI: 1.85-3.34%) million male sufferers and 12.21 (95% CI: 9.78-14.67%) million female sufferers in LMIC in the year 2000, and 3.16 (95% CI: 2.25-4.05%) million affected males and 14.87 (95% CI: 11.91-17.86%) million affected females in LMIC in the year 2010. CONCLUSION: Given that majority of the world's population resides in LMIC, the number of affected people is substantial, with a projection to increase in the coming years. Therefore, policy makers and health-care providers need to plan to address a significant disease burden both socially and economically.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,007 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».