Prevalence and Years Lived with Disability of 310 Diseases and Injuries in Iran and its Neighboring Countries, 1990-2015: Findings from Global Burden of Disease Study 2015.
Notice bibliographique
Résumé
BACKGROUND: Due to significant achievements in reducing mortality and increasing life expectancy, the issue of disability from diseases and injuries, and their related interventions, has become one of the most important concerns of health-related research. METHODS: Using data obtained from the GBD 2015 study, the present report provides prevalence and years lived with disability (YLDs) of 310 diseases and injuries by sex and age in Iran and neighboring countries over the period 1990-2015. Age-standardized rates of all causes of YLDs are presented for both males and females in 16 countries for 1990 and 2015. We present the percentage of total YLDs for 21 categories of diseases and injuries, the percentage of YLDs for age groups, as well as the ranking of the most prevalent causes and YLDs from the top 50 diseases and injuries in Iran. RESULTS: In 2015, the burden of 310 diseases and injuries among the Iranian population was responsible for 8,357,878 loss of all-age total years, which is equal to 10.58% of total years lived per year. This differs from the neighboring countries, as it ranges from 9.05% in Turkmenistan to 13.36% in Russia. During the past 25 years, a remarkable decrease was observed in all-cause YLD rates in all 16 countries. Meanwhile, in all countries, the age-standardized rate of all causes of YLDs was higher in females than males. CONCLUSION: Based on our findings, one of the remarkable changes in NCDs observed among the studied age groups was increased rate of YLDs from mental disorders, which was replaced by musculoskeletal disorders in older age groups in 2015.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 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 ».