Trends of multimorbidity in 15 European countries: a population-based study in community-dwelling adults aged 50 and over
Notice bibliographique
Résumé
BACKGROUND: The objective of this work was to analyse the prevalence trends of multimorbidity among European community-dwelling adults. METHODS: A temporal series study based on waves 1, 2, 4, 5, 6 and 7 of the Survey of Health, Ageing and Retirement in Europe (SHARE) was conducted, and community-dwelling participants aged 50+ (n = 274,614) from 15 European countries were selected for the period 2004-2017. Prevalence, adjusted by age, Average Annual Percentage Change (APC) and 95% confidence interval (95% CI) were all calculated. Trend analyses were realised by period, age groups and groups of diseases. RESULTS: The results showed a large variability in the prevalence of multimorbidity in adults aged 50 and over among European countries. Increase in the prevalence of multimorbidity in the countries of central Europe (Austria, Belgium, Czech Republic, France, Germany and Switzerland) and Spain in both sexes, and in the Netherlands among men. Stability was observed in northern and eastern European countries. Musculoskeletal and neurodegenerative groups showed more significant changes in the trend analyses. CONCLUSIONS: This information can be useful for policy makers when planning health promotion and prevention policies addressing modifiable risk factors in health.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».