Prevalence of diabetes and other health related problems across India and worldwide: An overview
Notice bibliographique
Résumé
Diabetes mellitus is a major source of mortality and morbidity along with an economic menace all over the world. In 2000, prevalence of diabetes worldwide was 171,000,000 and in 2030, it will be 366,000,000, nearly one in ten people globally will have some form of diabetes by 2035. There are some 382 million people living with the disease, but that could jump 55% by 2035. The total number of people in India with diabetes to be around 50.8 million in 2010, rising to 87.0 million by 2030 and it is estimated that by 2040 the numbers will increase upto 123.5 million. It has estimated that the prevalence of diabetes in rural populations is one-quarter that of urban population for India and other Indian sub-continent countries such as Bangladesh, Nepal, Bhutan, and Sri Lanka. Indian Council of Medical research (ICMR) revealed that a lower proportion of the population is affected in states of Northern India (Chandigarh 0.12 million, Jharkhand 0.96 million) as compared to Maharashtra (9.2 million) and Tamil Nadu (4.8 million). The National Urban Survey conducted across the metropolitan cities of India reported similar trend: 11.7 per cent in Kolkata (Eastern India), 6.1 per cent in Kashmir Valley (Northern India), 11.6 per cent in New Delhi (Northern India), and 9.3 per cent in West India (Mumbai) compared with (13.5 per cent in Chennai (South India), 16.6 per cent in Hyderabad (south India), and 12.4 per cent Bangalore (South India). Strengthening of health promotion activitiesin different settings, preventive health screening package, better treatment facilities and effective implementation can cure these problems worldwide.
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 | 0,000 |
| 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 | 0,001 |
| 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 ».