Canadian Burden of Skin Disease From 1990 to 2017: Results From the Global Burden of Disease 2017 Study
Notice bibliographique
Résumé
BACKGROUND: Skin diseases can have high morbidity that can be costly to society and individuals. To date, there has been no comprehensive assessment of the burden of skin disease in Canada. OBJECTIVES: To evaluate the burden of 18 skin and subcutaneous diseases from 1990 to 2017 in Canada using the Global Burden of Disease (GBD) data. METHODS: The 2017 GBD study measures health loss from 359 diseases and injuries in 195 countries; we evaluated trends in population health in Canada from 1990 to 2017 using incidence, prevalence, mortality, years of life lost (YLLs), years lived with disability (YLDs), and disability-adjusted life years (DALYs). Data are presented as rates (per 100 000), counts, or percent change with the uncertainty interval in brackets. RESULTS: From 1990 to 2017 for all skin diseases, DALY rates increased by 8% to 971 per 100 000 (674-1319), YLD rates increased by 8% to 897 per 100 000 (616-1235), YLL rates increased by 4% to 74 per 100 000 (53-89), and death rates increased by 18% to 5 per 100 000 (3-6). DALY rates for melanoma increased by 2% to 54 per 100 000 (39-68), for keratinocyte carcinoma by 14% to 17 per 100 000 (16-19), and for skin and subcutaneous disease by 8% to 900 per 100 000 (619-1233). The observed over expected ratios were higher for skin and subcutaneous disease (1.37) and keratinocyte carcinoma (1.17) and were lower for melanoma (0.73). CONCLUSIONS: The burden of skin disease has increased in Canada since 1990. These results can be used to guide health policy regarding skin disease in Canada.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,000 | 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 ».