MétaCan
Menu
Retour à la cohorte
Enregistrement W2588274024 · doi:10.1136/annrheumdis-2016-210146

Burden of musculoskeletal disorders in the Eastern Mediterranean Region, 1990–2013: findings from the Global Burden of Disease Study 2013

2017· article· en· W2588274024 sur OpenAlexaff
Maziar Moradi‐Lakeh, Mohammad H. Forouzanfar, Charbel El Bcheraoui, Farah Daoud, Ashkan Afshin, Raghid Charara, Hideki Higashi, Mohamed Magdy Abd El Razek, Ali Kiadaliri, Khurshid Alam, Nadia Akseer, Nawal Al‐Hamad, Raghib Ali, Mohammad AbdulAziz AlMazroa, Mahmoud A. Alomari, Abdullah A Al-Rabeeah, Ubai Alsharif, Khalid A Altirkawi, Suleman Atique, Alaa Badawi, Lope H. Barrero, Mohammed Basulaiman, Shahrzad Bazargan‐Hejazi, Neeraj Bedi, Isabela M. Benseñor, Rachelle Buchbinder, Hadi Danawi, Samath Dhamminda Dharmaratne, Faı̈ez Zannad, Maryam S. Farvid, Seyed‐Mohammad Fereshtehnejad, Farshad Farzadfar, Florian Fischer, Rahul Gupta, Randah R Hamadeh, Samer Hamidi, Masako Horino, Damian G Hoy, Mohamed Hsaïri, Abdullatif Husseini, Mehdi Javanbakht, Jost B Jonas, Amir Kasaeian, Ejaz Ahmad Khan, Jagdish Khubchandani, Ann Kristin Knudsen, Jacek A Kopec, Raimundas Lunevičius, Hassan Magdy Abd El Razek, Azeem Majeed, Reza Malekzadeh, Kedar Mate, Alem Mehari, Michele Meltzer, Ziad A. Memish, Mojde Mirarefin, Shafiu Mohammed, Aliya Naheed, Carla Makhlouf Obermeyer, In‐Hwan Oh, Eun‐Kee Park, Emmanuel Peprah, Farshad Pourmalek, Mostafa Qorbani, Anwar Rafay, Vafa Rahimi‐Movaghar, Rahman Shiri, Sajjad Ur Rahman, Rajesh Kumar, Sadaf G Sepanlou, Masood Ali Shaikh, Ivy Shiue, Abla Mehio Sibai, Diego Augusto Santos Silva, Jasvinder A. Singh, Jens Christoffer Skogen, Abdullah Sulieman Terkawi, Kingsley Nnanna Ukwaja, Ronny Westerman, Naohiro Yonemoto, Seok‐Jun Yoon, Mustafa Z Younis, Zoubida Zaidi, Maysaa El Sayed Zaki, Stephen S Lim, Haidong Wang, Theo Vos, Mohsen Naghavi, Alan D Lopez, Christopher J L Murray, Ali H. Mokdad

Notice bibliographique

RevueAnnals of the Rheumatic Diseases · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueMusculoskeletal Disorders and Rehabilitation
Établissements canadiensMcGill UniversityUniversity of British ColumbiaPublic Health Agency of CanadaHospital for Sick ChildrenUniversity of Toronto
Organismes subventionnairesBill and Melinda Gates Foundation
Mots-clésMedicineBurden of diseaseDiseaseDisease burdenPhysical therapyGerontologyFamily medicineInternal medicine

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: We used findings from the Global Burden of Disease Study 2013 to report the burden of musculoskeletal disorders in the Eastern Mediterranean Region (EMR). METHODS: The burden of musculoskeletal disorders was calculated for the EMR's 22 countries between 1990 and 2013. A systematic analysis was performed on mortality and morbidity data to estimate prevalence, death, years of live lost, years lived with disability and disability-adjusted life years (DALYs). RESULTS: For musculoskeletal disorders, the crude DALYs rate per 100 000 increased from 1297.1 (95% uncertainty interval (UI) 924.3-1703.4) in 1990 to 1606.0 (95% UI 1141.2-2130.4) in 2013. During 1990-2013, the total DALYs of musculoskeletal disorders increased by 105.2% in the EMR compared with a 58.0% increase in the rest of the world. The burden of musculoskeletal disorders as a proportion of total DALYs increased from 2.4% (95% UI 1.7-3.0) in 1990 to 4.7% (95% UI 3.6-5.8) in 2013. The range of point prevalence (per 1000) among the EMR countries was 28.2-136.0 for low back pain, 27.3-49.7 for neck pain, 9.7-37.3 for osteoarthritis (OA), 0.6-2.2 for rheumatoid arthritis and 0.1-0.8 for gout. Low back pain and neck pain had the highest burden in EMR countries. CONCLUSIONS: This study shows a high burden of musculoskeletal disorders, with a faster increase in EMR compared with the rest of the world. The reasons for this faster increase need to be explored. Our findings call for incorporating prevention and control programmes that should include improving health data, addressing risk factors, providing evidence-based care and community programmes to increase awareness.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,111
Score d'incertitude au seuil0,220

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,034
Tête enseignante GPT0,332
Écart entre enseignants0,298 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations142
Publié2017
Routes d'admission1
Résumé présentnon

Explorer davantage

Même revueAnnals of the Rheumatic DiseasesMême sujetMusculoskeletal Disorders and RehabilitationTravaux en français237 207