Ethnic and Immigrant Variations in the Time Trends of Dementia and Parkinsonism
Notice bibliographique
Résumé
OBJECTIVE: We assessed long-term incidence and prevalence trends of dementia and parkinsonism across major ethnic and immigrant groups in Ontario. METHODS: Linking administrative databases, we established two cohorts (dementia 2001-2014 and parkinsonism 2001-2015) of all residents aged 20 to 100 years with incident diagnosis of dementia (N = 387,937) or parkinsonism (N = 59,617). We calculated age- and sex-standardized incidence and prevalence of dementia and parkinsonism by immigrant status and ethnic groups (Chinese, South Asian, and the General Population). We assessed incidence and prevalence trends using Poisson regression and Cochran-Armitage trend tests. RESULTS: Across selected ethnic groups, dementia incidence and prevalence were higher in long-term residents than recent or longer-term immigrants from 2001 to 2014. During this period, age- and sex-standardized incidence of dementia in Chinese, South Asian, and the General Population increased, respectively, among longer-term immigrants (by 41%, 58%, and 42%) and long-term residents (28%, 7%, and 4%), and to a lesser degree among recent immigrants. The small number of cases precluded us from assessing parkinsonism incidence trends. For Chinese, South Asian, and the General Population, respectively, prevalence of dementia and parkinsonism modestly increased over time among recent immigrants but significantly increased among longer-term immigrants (dementia: 134%, 217%, and 117%; parkinsonism: 55%, 54%, and 43%) and long-term residents (dementia: 97%, 132%, and 71%; parkinsonism: 18%, 30%, and 29%). Adjustment for pre-existing conditions did not appear to explain incidence trends, except for stroke and coronary artery disease as potential drivers of dementia incidence. CONCLUSION: Recent immigrants across major ethnic groups in Ontario had considerably lower rates of dementia and parkinsonism than long-term residents, but this difference diminished with longer-term immigrants.
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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 ».