Changing trends in viral hepatitis mortality in East and Southeast Asia between 1987 and 2015 and its prediction until 2030
Notice bibliographique
Résumé
BACKGROUND & AIMS: Trends in long-term mortality rates for viral hepatitis in East and Southeast Asia have been rarely reported. The aim of our study was to explore the long-term trends in viral hepatitis mortality rates in East and Southeast Asian countries between 1987 and 2015 and provide predictions of mortality to 2030. METHODS: We obtained viral hepatitis mortality data from the WHO Mortality Database for six East and Southeast Asian countries between 1987 and 2015. We produced choropleth maps of viral hepatitis mortality rates in 1987 and 2015 in East and Southeast Asia to illustrate geographic variations. We made predictions of mortality rates for each included country until the year 2030 using a series of joinpoint models. RESULTS: Viral hepatitis mortality rates declined in China (the average annual percent change (AAPC) = -5.1%, 95% CI: -7.5, -2.6), Singapore (AAPC = -5.4%, 95% CI: -7.5, -3.2), and the Philippines (AAPC = -3.4%, 95% CI: -4.9, -1.8). In contrast, Japan, the Republic of Korea, and Malaysia have experienced increasing trends in mortality rates, followed by decreasing trends. Our predictions indicate that all countries will experience slight to moderate downward trends until 2030. CONCLUSION: Favourable decreasing trends have been noted in East and Southeast Asian countries, which may not only inform the control and management of viral hepatitis in this region but also guide the prevention of viral hepatitis deaths in another region with a similar viral hepatitis epidemic.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 ».