Influence of country-level differences on COPD prevalence
Notice bibliographique
Résumé
PURPOSE: Studies suggest that COPD prevalence may vary between countries. We conducted an ecological study of data from COPD prevalence articles to assess the influence of differences in country-level risk factors on COPD prevalence. PATIENTS AND METHODS: Our study covered English language articles published during 2003-2014. Qualified articles used spirometry to assess COPD prevalence and used representative samples from national or subnational populations. Stepwise binomial regression was used to analyze associations between study- and country-level factors and COPD prevalence. RESULTS: Eighty articles provided 1,583 measures of COPD prevalence for subjects in different sex, age, and smoking categories for 112 districts in 41 countries. Adjusted prevalence rates for COPD were significantly lower for Australia/New Zealand and the Mediterranean and significantly higher for Latin America, compared to North America, Southeast Asia, and Northern Europe. Country-level socioeconomic development variables had an uneven and mixed association with COPD prevalence. High elevation above sea level was shown to be a protective factor for COPD. Study-level variables for the established risk factors of sex, age, and smoking explained 64% of variability in COPD prevalence. Country-level risk factors raised the explanatory power to 72%. Approximately 28% of worldwide variability in COPD prevalence remained unexplained. CONCLUSION: Our study suggests that COPD prevalence varies across world regions, even after adjustment for established risk factors. Major country-level risk factors contributing to the worldwide epidemic of COPD remain to be investigated.
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 | 0,000 | 0,001 |
| 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».