Population Density and Risk of Inflammatory Bowel Disease: A Prospective Population-Based Study in 13 Countries or Regions in Asia-Pacific
Notice bibliographique
Résumé
INTRODUCTION: Living in an urban environment may increase the risk of developing inflammatory bowel disease (IBD). It is unclear if this observation is seen globally. We conducted a population-based study to assess the relationship between urbanization and incidence of IBD in the Asia-Pacific region. METHODS: Newly diagnosed IBD cases between 2011 and 2013 from 13 countries or regions in Asia-Pacific were included. Incidence was calculated with 95% confidence interval (CI) and pooled using random-effects model. Meta-regression analysis was used to assess incidence rates and their association with population density, latitude, and longitude. RESULTS: We identified 1175 ulcerative colitis (UC), 656 Crohn's disease (CD), and 37 IBD undetermined (IBD-U). Mean annual IBD incidence per 100 000 was 1.50 (95% CI: 1.43-1.57). India (9.31; 95% CI: 8.38-10.31) and China (3.64; 95% CI, 2.97-4.42) had the highest IBD incidence in Asia. Incidence of overall IBD (incidence rate ratio [IRR]: 2.19; 95% CI: 1.01-4.76]) and CD (IRR: 3.28; 95% CI: 1.83-9.12) was higher across 19 areas of Asia with a higher population density. In China, incidence of IBD (IRR: 2.37; 95% CI: 1.10-5.16) and UC (IRR: 2.63; 95% CI: 1.2-5.8) was positively associated with gross domestic product. A south-to-north disease gradient (IRR: 0.94; 95% CI: 0.91-0.98) was observed for IBD incidence and a west-to-east gradient (IRR: 1.14; 95% CI: 1.05-1.24) was observed for CD incidence in China. This study received IRB approval. CONCLUSIONS: Regions in Asia with a high population density had a higher CD and UC incidence. Coastal areas within China had higher IBD incidence. With increasing urbanization and a shift from rural areas to cities, disease incidence may continue to climb in Asia.
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 | 0,001 | 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 ».