High burden of neurological disease in the older general population: results from the Canadian Longitudinal Study on Aging
Notice bibliographique
Résumé
BACKGROUND AND PURPOSE: Our objective was to study the association between the presence of a neurological disease and the comorbidity burden as well as healthcare utilization (HCU). METHODS: Using baseline data from the Canadian Longitudinal Study on Aging (CLSA), we examined the burden of five neurological conditions. The CLSA is a population-based study of approximately 50 000 individuals, aged 45-85 years at baseline. We used multivariable Poisson regression to identify correlates of comorbidity burden and HCU. RESULTS: The lifetime prevalence of five neurological diseases is presented: epilepsy, Parkinson's disease/parkinsonism, stroke/transient ischaemic attack, multiple sclerosis and migraine. We found the somatic and psychiatric comorbidity burden to be higher in those individuals with a neurological disease (an 18-45% mean increase in the number of chronic conditions) as compared with the comparison group without a neurological disease, except for Parkinson's disease/parkinsonism. The presence of a neurological disease was associated with only a modest increase in the probability of visiting a general practitioner but was associated with a greatly increased probability of visiting a medical specialist (up to 68% more likely) or an emergency department (up to 79% more likely) and an overnight hospitalization (up to 108% more likely). CONCLUSIONS: We found striking associations between our neurological diseases and increased comorbidity burdens and HCU. These findings are important for informing public policy planning as well as driving avenues for future research. The present study established the CLSA as an important research platform for the study of neurological conditions in an aging general population.
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 ».