Incidence and Prevalence of Juvenile Systemic Lupus Erythematosus in Korea: Data From the 2017 National Health Claims Database
Notice bibliographique
Résumé
OBJECTIVE: The purpose of the present study was to investigate the prevalence and incidence of juvenile systemic lupus erythematosus (JSLE) in Korea. METHODS: The data were collected from the National Health Insurance Claims Database of Korea. JSLE was identified using the diagnostic code M32 from the Korean Standard Classification of Diseases. Patients between 5 and 18 years old, who had at least 1 claim for JSLE from January 1, 2016, to December 31, 2017, as final diagnosis, were analyzed in the study. For prevalent cases, patients who used, at least 1 time, any type of medical services with a diagnostic code of M32 were selected. For incident cases, patients who did not use medical services with the M32 code 1 year prior and who were newly registered in 2017 were defined. Change-point analysis was used to find the age at which changes in prevalence and incidence occurred. RESULTS: The prevalence of JSLE was 6.92 per 100,000 persons and the incidence of JSLE was 2.76 per 100,000 person-years in patients between 5 and 18 years old. The prevalence and incidence of JSLE were higher in females than in males. According to the change-point analysis, we found that the incidence and prevalence of female patients increased rapidly at the ages of 14 and 15 years, respectively. CONCLUSION: This Korean population-based epidemiological study of JSLE showed similar epidemiologic profiles to Asian population in other studies. The distribution of age, ethnicity, and pubertal status are important factors that influence population estimates of JSLE incidence and prevalence.
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 | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».