Non-communicable diseases are the leading cause of mortality in rural Birbhum, West Bengal, India: a sex-stratified analysis of verbal autopsies from a prospective cohort, 2012–2017
Notice bibliographique
Résumé
OBJECTIVES: There is a dearth of data on causes of death in rural India, which impedes identification of public health priorities to guide health interventions. This study aims to offer insights from verbal autopsies, to understand the pattern and distribution of causes of death in a rural area of Birbhum District, West Bengal, India. DESIGN: Causes of death data were retrieved from a prospective vital event surveillance system. SETTING: The Birbhum Population Project, a Health and Demographic Surveillance System, West Bengal, India. PARTICIPANTS: Between January 2012 and December 2017, all deaths were recorded. MAIN OUTCOME MEASURES: Trained Surveyors tracked all deaths prospectively and used a previously validated verbal autopsy (VA) tool to record causes of death. Experienced physicians reviewed completed VA forms, and assigned cause of death using the 10th version of International Classification of Diseases. In addition to cause-specific mortality fraction, cause-specific crude death rate (CDR) among males and females were estimated. RESULTS: A total of 2320 deaths (1348 males and 972 females) were recorded. An estimated CDR was 708/100 000. Over half of all deaths (1176 deaths, 50.7%) were attributed to non-communicable diseases (NCDs), with nearly 30% of all deaths attributed to circulatory system disorders; whereas 24.2% and 3.9% deaths were due to cerebrovascular diseases and ischaemic heart disease, respectively. Equal percent (13%) of males died from external causes and from infectious and parasitic diseases, and 11% died from respiratory system-related diseases. Among females, 12% died from infectious and parasitic diseases. Among children aged 0-4 years, 50% of all male deaths and 45% of all female deaths were attributed to conditions in the perinatal period. CONCLUSIONS: NCDs are the leading cause of death among adults in a select population of rural Birbhum, India. Health programmes for rural India should prioritise plans to mitigate deaths due to NCDs.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».