MétaCan
Menu
Retour à la cohorte
Enregistrement W2997318600 · doi:10.2471/blt.19.229773

Trends and regional distribution of outpatient claims for asthma, 2009–2016, Germany

2019· article· en· W2997318600 sur OpenAlexaff
Manas K. Akmatov, Jakob Holstiege, Annika Steffen, Jörg Bätzing

Notice bibliographique

RevueBulletin of the World Health Organization · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueAsthma and respiratory diseases
Établissements canadiensHealth Care Foundation
Organismes subventionnairesnon disponible
Mots-clésAsthmaDistribution (mathematics)MedicineEnvironmental healthGeographyImmunology

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: To investigate asthma morbidity in Germany by calculating current prevalence, examining its temporal and spatial trends and estimating the total number of asthmatics in Germany and calculating age-, sex- and residence-specific risk. METHODS: . We assessed the risk of asthma by sex, age, type of residence (rural versus urban) and federal state (East versus West) using a multilevel parametric survival regression. FINDINGS: < 0.0001), and identified local spatial clusters with higher levels of prevalence. Living in the western (versus eastern) federal states and living in densely populated large urban municipalities (versus rural area) were independently associated with an increased risk of asthma, with hazard ratios of 1.33 (95% CI: 1.32-1.34) and 1.32 (95% CI: 1.31-1.32), respectively. CONCLUSION: Our insights into the spatial distribution of asthma morbidity may inform public health interventions, including region-specific prevention programmes and control.

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 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)0,000
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,317
Score d'incertitude au seuil0,370

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,009
Tête enseignante GPT0,262
Écart entre enseignants0,253 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations16
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBulletin of the World Health OrganizationMême sujetAsthma and respiratory diseasesTravaux en français237 207