MétaCan
Menu
Retour à la cohorte
Enregistrement W2920850455 · doi:10.1016/s0140-6736(19)30220-x

Trends in cause-specific mortality among children aged 5–14 years from 2005 to 2016 in India, China, Brazil, and Mexico: an analysis of nationally representative mortality studies

2019· article· en· W2920850455 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
aboutLe titre ou le résumé porte un signal canadien du lexique géographique.

Notice bibliographique

RevueThe Lancet · 2019
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMaternal and Neonatal Healthcare
Établissements canadiensUniversity of TorontoCentre for Global Health ResearchSt. Michael's Hospital
Organismes subventionnairesWorld Health Organization
Mots-clésDemographyChinaMedicineCause of deathMortality rateCommunicable diseaseChild mortalityDiseaseEnvironmental healthGeographyPublic healthPopulationSurgery

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: With global survival increasing for children younger than 5 years of age, attention is required to reduce the approximately 1 million deaths of children aged 5-14 years occurring every year. Causes of death at these ages remain poorly documented. We aimed to explore trends in mortality by causes of death in India, China, Brazil, and Mexico, which are home to about 40% of the world's children aged 5-14 years and experience more than 200 000 deaths annually at these ages. METHODS: We examined data on 244 401 deaths in children aged 5-14 years from four nationally representative data sources that obtained direct distributions of causes of death: the Indian Million Death Study, the Chinese Disease Surveillance Points, mortality data from the Mexican Instituto Nacional de Estadística y Geografía, and mortality data from the Brazilian Institute of Geography and Statistics. We present data on 12 main disease groups in all countries, with breakdown by communicable and nutritional diseases, non-communicable diseases, injuries, and ill-defined causes. To calculate age-specific and sex-specific death rates for each cause, we applied the national cause of death distribution to the UN mortality envelopes for 2005-16 for each country. FINDINGS: Unlike Brazil, China, and Mexico, communicable diseases still account for nearly half of deaths in India in children aged 5-14 years (73 920 [46·1%] of 160 330 estimated deaths in 2016). In 2016, India had the highest death rates in nearly every category, including from communicable diseases. Fast declines among girls in communicable disease mortality narrowed the gap by 2016 with boys in India (32·6 deaths per 100 000 girls vs 26·2 per 100 000 boys) and China (1·7 vs 1·5). In China, injuries accounted for the greatest proportions of deaths (20 970 [53·2%] of 39 430 estimated deaths, in which drowning was a leading cause). The homicide death rate at ages 10-14 years was higher for boys than for girls in Brazil, increasing annually by an average of 0·7% (0·3-1·1). In India and China, the suicide death rates were higher for girls than for boys at ages 10-14 years. By contrast, in Mexico it was higher for boys than for girls, increasing annually by an average of 2·8% (2·0-3·6). Deaths from transport injuries, drowning, and cancer are common in all four countries, with transport accidents among the top three causes of death for both sexes in all countries, except for Indian girls, and cancer in the top three causes for both sexes in Mexico, Brazil, and China. INTERPRETATION: Most of the deaths that occurred between 2005 and 2016 in children aged 5-14 years in India, China, Brazil, and Mexico arose from preventable or treatable conditions. This age group is important for extending some of the global disease-specific targets developed for children younger than 5 years of age. Interventions to control non-communicable diseases and injuries and to strengthen cause of death reporting systems are also required. FUNDING: WHO and the University of Toronto Connaught Global Challenge.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,067
Score d'incertitude au seuil0,963

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,094
Tête enseignante GPT0,459
Écart entre enseignants0,365 · 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