Global, regional, and national burden of myocarditis and cardiomyopathy, 1990-2017
Notice bibliographique
Résumé
Abstract Background To estimate the burden of myocarditis (MC) and cardiomyopathy for 195 countries and territories from 1990 to 2017. Methods We collected detailed information on MC and cardiomyopathy between 1990 and 2017 from the Global Burden of Disease study (GBD) 2017. Cardiomyopathy was divided into two types in GBD 2017, including alcoholic cardiomyopathy (AC) and other cardiomyopathy (OC). All estimates were presented as counts, age-standardised rates per 100 000 people and percentage change, with 95% uncertainty intervals (UIs). Results Worldwide, there were 1.80 million (95% UI 1.64 to 1.98) cases of MC, 1.62 million (95% UI 1.37 to 1.90) cases of AC and 4.21 million (95% UI 3.63 to 4.87) cases of OC, contributing to 46 486 (95% UI 39 709 to 51 824), 88 890 (95% UI 80 935 to 96 290) and 233 159 (95% UI 213 677 to 248 289) deaths in 2017, respectively. At the national level, the age-standardised prevalence rates varied by 10.4 times for MC, 252.6 times for AC and 38.1 times for OC; and the age-standardised death rates varied by 43.9 times for MC, 531.0 times for AC and 43.3 times for OC. Between 1990 and 2017, despite the decreases in age-standardised rates, the global numbers of prevalent cases and deaths have significantly increased for all the diseases. Females had greater decreases in age-standardised prevalence and death rates than males for all the diseases. Conclusions MC, AC and OC remain important global public health problems, and there are significant geographic variations in the burden for all these diseases. More effective and geo-specific strategies are necessary to counteract and mitigate the future burden of these diseases. Key questions What is already known? ➢ Myocarditis (MC), alcoholic cardiomyopathy (AC) and other cardiomyopathy (OC) impose a substantial economic burden on healthcare systems. Studies that have systematically assessed the global, regional, and national burden of these diseases are still scarce. What are the new findings? ➢ Globally, there were an estimated 1.80 million (95% uncertainty interval (UI) 1.64 to 1.98) cases of MC, 1.62 million (95% UI 1.37 to 1.90) cases of AC and 4.21 million (95% UI 3.63 to 4.87) cases of OC in 2017. ➢ The global numbers of deaths due to MC, AC, and OC in 2017 were 46 486 (95% UI 39 709 to 51 824), 88 890 (95% UI 80 935 to 96 290) and 233 159 (95% UI 213 677 to 248 289), respectively. ➢ Across 21 world regions, the highest age-standardised prevalence rates of MC, AC and OC were seen in High-income Asia Pacific, Eastern Europe and Southern Sub-Saharan Africa, respectively. While the highest age-standardised death rates of MC, AC and OC were seen in Oceania, Eastern Europe and Central Europe, respectively. ➢ Despite the decreases in age-standardised rates, the global numbers of prevalent cases and deaths of MC, AC and OC have significantly increased between 1990 and 2017. What do the new findings imply? ➢ Our findings suggested that total numbers of prevalent cases and deaths of MC, AC and OC are increasing worldwide. More effective and geo-specific strategies aimed at counteracting and mitigating the future burden of these diseases are warranted.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».