The incidence of multimorbidity and patterns in accumulation of chronic conditions: A systematic review
Notice bibliographique
Résumé
Multimorbidity, the presence of 1+ chronic condition in an individual, remains one of the greatest challenges to health on a global scale. Although the prevalence of multimorbidity has been well-established, its incidence is not fully understood. This systematic review determined the incidence of multimorbidity across the lifespan; the order in which chronic conditions accumulate to result in multimorbidity; and cataloged methods used to determine and report accumulation of chronic conditions resulting in multimorbidity. Studies were identified by searching MEDLINE, Embase, CINAHL, and Cochrane electronic databases. Two independent reviewers evaluated studies for inclusion and performed quality assessments. Of 36 included studies, there was high heterogeneity in study design and operational definitions of multimorbidity. Studies reporting incidence (n = 32) reported a median incidence rate of 30.7 per 1,000 person-years (IQR 39.5 per 1,000 person-years) and a median cumulative incidence of 2.8% (IQR 28.7%). Incidence was notably higher for persons with older age and 1+ chronic conditions at baseline. Studies reporting patterns in accumulation of chronic conditions (n = 5) reported hypertensive and heart diseases, and diabetes, as among the common starting conditions resulting in later multimorbidity. Methods used to discern patterns were highly heterogenous, ranging from the use of latent growth trajectories to divisive cluster analyses, and presentation using alluvial plots to cluster trajectories. Studies reporting the incidence of multimorbidity and patterns in accumulation of chronic conditions vary greatly in study designs and definitions used. To allow for more accurate estimations and comparison, studies must be transparent and consistent in operational definitions of multimorbidity applied.
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 | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,001 |
| 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 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 ».