Burden of Respiratory Infection and Tuberculosis Among US States from 1990 to 2019
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
PURPOSE: To estimate the incidence, death, disability-adjusted life years (DALYs) and attributable risk factors for respiratory infection and tuberculosis (RIT) in the US from 1990 to 2019. METHODS: Following the methodology framework and analytical strategies used in the Global Burden of Disease Study 2019, the incidence, death, DALYs and risk factors of RIT were examined by age, gender and states from 1990 to 2019 in the US. All estimates were calculated as counts, age-standardized rates per 100,000 people and percentage change, with 95% confidence intervals (CIs). RESULTS: In 2019, the age-standardized incidence, death and DALY rates per 100,000 people of RIT were 339,703 (95% CI 303,184 to 382,354), 13.6 (95% CI 12.2 to 14.4) and 384.9 (95% CI 330.6 to 458.6), respectively. Among RIT causes, upper respiratory infection accounted for the large majority of RIT age-standardized incidence rate, while lower respiratory infection constituted the highest proportion of RIT age-standardized death and DALY rates. The age-standardized incidence, death and DALY rates of RIT in 2019 and their temporal trends since 1990 varied widely across states and socio-demographic index. Among all attributable risk factors, smoking was the leading one for age-standardized RIT deaths in 2019, followed by low temperature and alcohol use (the attributable fractions were 17.7%, 15.3% and 6.9%, respectively). CONCLUSION: Our results suggest that RIT remained a major cause of health burden in the US, with large disparities persisting between US states. Intervention efforts for RIT hotspots, high-risk populations and modifiable risk factors are necessary.
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.
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 | 0,006 | 0,086 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 découle