Burden of neurodegenerative diseases in the Eastern Mediterranean Region, 1990–2016: findings from the Global Burden of Disease Study 2016
Notice bibliographique
Résumé
BACKGROUND AND PURPOSE: The Eastern Mediterranean Region (EMR) is experiencing a demographic shift towards rapid aging at a time of political unrest. We aimed to estimate the burden of neurodegenerative disorders and its relationship with sociodemographic index in the EMR countries from 1990 to 2016. METHODS: Using data from the Global Burden of Disease Study 2016, we calculated country-specific trends for prevalence, mortality, disability-adjusted life-years (DALY), years of life lost and years lived with disability (YLD) for Alzheimer's disease/other dementias and Parkinson's disease in the EMR during 1990-2016. RESULTS: In the EMR, the age-standardized prevalence rate of Alzheimer's disease/other dementias and Parkinson's disease was estimated at 759.8/100 000 (95% uncertainty intervals, 642.9-899.9) and 87.1/100 000 (95% uncertainty intervals, 69.8-108.2) people in 2016, demonstrating 0.01% and 42.3% change from 1990, respectively. Neurodegenerative disorders contributed to 5.4% of total DALY and 4.6% of total YLD among the older EMR population (70 years of age or older in 2016). Age-standardized DALY due to Parkinson's disease were strongly correlated with the sociodemographic index level (r = 0.823, P < 0.001). The YLD:DALY ratio of neurodegenerative diseases declined during this period in the low-income but not the high-income EMR countries. CONCLUSIONS: Our findings demonstrated an increasing trend in the burden of dementias and Parkinson's disease in most EMR countries between 1990 and 2016. With aging of the EMR populations, countries should target the modifiable risk factors of neurodegenerative diseases to control their increasing burden.
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 | 0,001 | 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 ».