Effects of Reductions in Body Mass Index on the Future Osteoarthritis Burden in Canada: A Population‐Based Microsimulation Study
Notice bibliographique
Résumé
OBJECTIVE: Osteoarthritis (OA) is the most common joint disease and a major cause of disability. Incidence and prevalence of OA are expected to increase due to population aging and increased levels of obesity. The purpose of this study was to project the effect of hypothetical interventions that change the distribution of body mass index (BMI) on OA burden in Canada. METHODS: We used a microsimulation computer model of OA based on the Population Health Model platform. The model used demographic predictions for Canada and population data from an administrative database in British Columbia and national Canadian surveys. RESULTS: Under the base-case scenario, between 2010 and 2030, OA prevalence is expected to increase from 11.5% to 15.6% in men and 16.3% to 21.1% in women. In scenarios assuming, on average, a 0.3-, 0.5-, or 1-unit drop in BMI per year, OA prevalence in 2030 would reach 14.9%, 14.6%, and 14.2% in men and 20.3%, 19.7%, and 18.5%, in women, respectively. Under these scenarios, the proportion of new cases prevented would be 9.5%, 13.2%, and 16.7%, respectively, in men, and 9.1%, 15.2%, and 25.0% in women. Targeting only those people ages ≥50 years for weight reduction would achieve approximately 70% of the impact of a full population strategy. Targeting only the obese (BMI ≥30) would likely result in a larger benefit for men than women. CONCLUSION: Due to the aging of the population, OA will remain a major and growing health issue in Canada over the next 2 decades, regardless of the course of the obesity epidemic.
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 | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».