MétaCan
Menu
Retour à la cohorte
Enregistrement W2891808294 · doi:10.1016/s1473-3099(18)30362-1

Estimates of the global, regional, and national morbidity, mortality, and aetiologies of diarrhoea in 195 countries: a systematic analysis for the Global Burden of Disease Study 2016

2018· article· en· W2891808294 sur OpenAlexfundno aff
Christopher Troeger, Brigette F. Blacker, Puja C Rao, Shujin Cao, Stephanie R M Zimsen, Samuel B Albertson, Aniruddha Deshpande, Abebe Zegeye, Nelson Alvis‐Guzmán, Azmeraw T. Amare, Solomon Weldegebreal Asgedom, Zelalem Alamrew Anteneh, Carl Abelardo T. Antonio, Olatunde Aremu, Ephrem Tsegay Asfaw, Tesfay Mehari Atey, Suleman Atique, Euripide Avokpaho, Ashish Awasthi, Henok Tadesse Ayele, Aleksandra Barać, Maurício L. Barreto, Quique Bassat, Saba Abraham Belay, Isabela M. Benseñor, Zulfiqar A Bhutta, Ali Bijani, Hailemichael Bizuneh, Carlos A Castañeda-Orjuela, Abel Fekadu Dadi, Lalit Dandona, Rakhi Dandona, Huyen Phuc, Manisha Dubey, Eleonora Dubljanin, Dumessa Edessa, Aman Yesuf Endries, Babak Eshrati, Tamer H. Farag, Garumma Tolu Feyissa, Kyle J Foreman, Mohammad H. Forouzanfar, Nancy Fullman, Peter W. Gething, Melkamu Dedefo Gishu, William Godwin, H. C. Gugnani, Rahul Gupta, Gessessew Bugssa Hailu, Hamid Yimam Hassen, Desalegn Tsegaw Hibstu, Olayinka Stephen Ilesanmi, Jost B Jonas, Amaha Kahsay, Gagandeep Kang, Amir Kasaeian, Yousef Khader, Ejaz Ahmad Khan, Muhammad Ali Khan, Young‐Ho Khang, Niranjan Kissoon, Sonali Kochhar, Karen L. Kotloff, Ai Koyanagi, G Anil Kumar, Hassan Magdy Abd El Razek, Reza Malekzadeh, Déborah Carvalho Malta, Suresh Mehata, Walter Mendoza, Desalegn Tadese Mengistu, Bereket Gebremichael Menota, Haftay Berhane Mezgebe, Fitsum Weldegebreal Mlashu, Srinivas Murthy, Gurudatta Naik, Cuong Tat Nguyen, Trang Huyen Nguyen, Dina Nur Anggraini Ningrum, Felix Akpojene Ogbo, Andrew T Olagunju, Deepak Raj Paudel, James A Platts-Mills, Mostafa Qorbani, Anwar Rafay, Rajesh Kumar, Chhabi Lal Ranabhat, Davide Rasella, Sarah E. Ray, Cesar Reis, André M. N. Renzaho, Mohammad Sadegh Rezai, George Mugambage Ruhago, Saeid Safiri, Joshua A. Salomon, Juan Sanabria, Benn Sartorius, Monika Sawhney, Sadaf G Sepanlou, Mika Shigematsu, Mekonnen Sisay, Ranjani Somayaji, Chandrashekhar T Sreeramareddy, Bryan L. Sykes, Getachew Redae Taffere, Roman Topór-Mądry, Bach Xuan Tran, Kald Beshir Tuem, Kingsley Nnanna Ukwaja, Judd L. Walson, Marcia R. Weaver, Andrea Werdecker, Abdulhalik Workicho, Biruck Desalegn Yirsaw, Naohiro Yonemoto, Maysaa El Sayed Zaki, Theo Vos, Stephen S Lim, Mohsen Naghavi, Christopher J L Murray, Ali H. Mokdad, Simon I Hay, Robert C. Reiner

Notice bibliographique

RevueThe Lancet Infectious Diseases · 2018
Typearticle
Langueen
DomaineNursing
ThématiqueChild Nutrition and Water Access
Établissements canadiensnon disponible
Organismes subventionnairesEuropean Regional Development FundInstituto de Salud Carlos IIICanadian Institutes of Health ResearchAlberta InnovatesMinistry of Education, Science and TechnologyDepartment of Science and Technology, Ministry of Science and Technology, IndiaWellcome TrustCystic Fibrosis FoundationNational Institute of Allergy and Infectious DiseasesCystic Fibrosis CanadaBill and Melinda Gates Foundation
Mots-clésMedicineEnvironmental healthDisease burdenPopulationVerbal autopsyIncidence (geometry)DemographyChild mortalitySanitationCredible intervalConfidence intervalWastingCause of deathPublic healthDiseaseInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The Global Burden of Diseases, Injuries, and Risk Factors Study (GBD) 2016 provides an up-to-date analysis of the burden of diarrhoea in 195 countries. This study assesses cases, deaths, and aetiologies in 1990-2016 and assesses how the burden of diarrhoea has changed in people of all ages. METHODS: We modelled diarrhoea mortality with a Bayesian hierarchical modelling platform that evaluates a wide range of covariates and model types on the basis of vital registration and verbal autopsy data. We modelled diarrhoea incidence with a compartmental meta-regression tool that enforces an association between incidence and prevalence, and relies on scientific literature, population representative surveys, and health-care data. Diarrhoea deaths and episodes were attributed to 13 pathogens by use of a counterfactual population attributable fraction approach. Diarrhoea risk factors are also based on counterfactual estimates of risk exposure and the association between the risk and diarrhoea. Each modelled estimate accounted for uncertainty. FINDINGS: In 2016, diarrhoea was the eighth leading cause of death among all ages (1 655 944 deaths, 95% uncertainty interval [UI] 1 244 073-2 366 552) and the fifth leading cause of death among children younger than 5 years (446 000 deaths, 390 894-504 613). Rotavirus was the leading aetiology for diarrhoea mortality among children younger than 5 years (128 515 deaths, 105 138-155 133) and among all ages (228 047 deaths, 183 526-292 737). Childhood wasting (low weight-for-height score), unsafe water, and unsafe sanitation were the leading risk factors for diarrhoea, responsible for 80·4% (95% UI 68·2-85·0), 72·1% (34·0-91·4), and 56·4% (49·3-62·7) of diarrhoea deaths in children younger than 5 years, respectively. Prevention of wasting in 1762 children (95% UI 1521-2170) could avert one death from diarrhoea. INTERPRETATION: Substantial progress has been made globally in reducing the burden of diarrhoeal diseases, driven by decreases in several primary risk factors. However, this reduction has not been equal across locations, and burden among adults older than 70 years requires attention. FUNDING: Bill & Melinda Gates Foundation.

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)0,026
score de la tête « metaresearch » (Gemma)0,048
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: Méta-analyse
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,026
Score d'incertitude au seuil0,138

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0260,048
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0050,022
Bibliométrie0,0090,011
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,050
Tête enseignante GPT0,356
Écart entre enseignants0,306 · 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'étudeMéta-analyse
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

Citations1 533
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Lancet Infectious DiseasesMême sujetChild Nutrition and Water AccessTravaux en français237 207