National, regional and global mortality due to alcoholic cardiomyopathy in 2015
Notice bibliographique
Résumé
OBJECTIVES: (1) A comprehensive mortality assessment of alcoholic cardiomyopathy (ACM) and (2) examination of under-reporting using vital statistics data. METHODS: A modelling study estimated sex-specific mortality rates for each country, which were subsequently aggregated by region and globally. Input data on ACM mortality were obtained from death registries for n=91 countries. For n=99 countries, mortality estimates were predicted using aggregate alcohol data from WHO publications. Descriptive additional analyses illustrated the scope of under-reporting. RESULTS: In 2015, there were an estimated 25 997 (95% CI 17 385 to 49 096) global deaths from ACM. This translates into 6.3% (95% CI 4.2% to 11.9%) of all global deaths from cardiomyopathy being caused by alcohol. There were large regional variations with regard to mortality burden. While the majority of ACM deaths were found in Russia (19 749 deaths, 76.0% of all ACM deaths), for about one-third of countries (n=57) less than one ACM death was found. Under-reporting was identified for nearly every second country with civil registration data. Overall, two out of three global ACM deaths might be misclassified. CONCLUSIONS: The variation of ACM mortality burden is greater than for other alcohol-attributable diseases, and partly may be the result of stigma and lack of detection. Misclassification of ACM fatalities is a systematic phenomenon, which may be caused by low resources, lacking standards and stigma associated with alcohol-use disorders. Clinical management may be improved by including routine alcohol assessments. This could contribute to decrease misclassifications and to provide the best available treatment for affected patients.
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 | 0,000 |
| 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 | 0,000 | 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 ».