Huntington's disease in the United States: Variation by demographic and socioeconomic factors
Notice bibliographique
Résumé
BACKGROUND: Despite extensive research regarding the etiology of Huntington's disease, relatively little is known about the epidemiology of this rare disorder, particularly in the United States where there are no national-scale estimates of the disease. OBJECTIVES: To provide national-scale estimates of Huntington's disease in a U.S. population and to test whether disease rates are increasing, and whether frequency varies by race, ethnicity, or other factors. METHODS: Using an insurance database of over 67 million enrollees, we retrospectively identified a cohort of 3,707 individuals diagnosed with Huntington's disease between 2003 and 2016. We estimated annual incidence, annual diagnostic frequency, and tested for trends over time and differences in diagnostic frequency by sociodemographic characteristics. RESULTS: During the observation period, the age-adjusted cumulative incidence rate was1.22 per 100,000 persons (95% confidence interval: 1.53, 1.65), and age-adjusted diagnostic frequency was 6.52 per 100,000 persons (95% confidence interval: 5.31, 5.66); both rates remained relatively stable over the 14-year period. We identified several previously unreported differences in Huntington's disease frequency by self-reported sex, income, and race/ethnicity. However, racial/ethnic differences were of lower magnitude than have previously been reported in other country-level studies. CONCLUSIONS: In these large-scale estimates of U.S. Huntington's disease epidemiology, we found stable disease frequency rates that varied by several sociodemographic factors. These findings suggest that disease patterns may be more driven by social or environmental factors than has previously been appreciated. Results further demonstrate the potential utility of administrative Big Data in rare disease epidemiology when other data sources are unavailable. © 2019 International Parkinson and Movement Disorder Society.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».