A population-based epidemiological study of anaphylaxis using national big data in Korea: trends in age-specific prevalence and epinephrine use in 2010–2014
Notice bibliographique
Résumé
BACKGROUND: Previous reports on anaphylaxis in Asia are limited to relatively small-scale studies. We performed this study to identify the nationwide prevalence of anaphylaxis and epinephrine prescription rates by age groups. METHODS: The total number of patients, yearly and overall prevalence, percentage of emergency department visits, and epinephrine prescription rates were calculated for patients diagnosed with anaphylaxis based on the Korean National Health Insurance database from 2010 to 2014. RESULTS: The mean prevalence of anaphylaxis in Korea was 26.23 (95% confidence interval, CI 25.78-26.68) per 100,000 person-years during the 5 years. It increased from 20.55 (95% CI 20.15-20.10) in 2010 to 35.33 (95% CI 34.81-35.85) per 100,000 person-years in 2014. The average prevalence was > 35 per 100,000 person-years among 50-69 year-olds, and the mean crude prevalence in children was 22.3 (0-2 years), 17.3 (3-6 years), 12.1 (7-12 years), and 14.9 (13-17 years) per 100,000 person-years, respectively. The overall prevalence increased 1.7-fold, with the highest rate of increase in 0-2 years of age. The overall percentage of emergent anaphylaxis patients was 88.4%, and the prevalence of emergent anaphylaxis increased from 18.63 (95% CI 18.25-19.01) to 31.28 (95% CI 30.79-31.77) per 100,000 person-years. In-hospital epinephrine prescription rate increased from 31.5 to 39.7%. CONCLUSIONS: The mean prevalence of anaphylaxis in Korea was 26.2 per 100,000 person-years during the study period. The total number of anaphylaxis patients increased 1.7-fold from 2010 to 2014, with the most noticeable increment being in young children.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».