Burden of anemia and its underlying causes in 204 countries and territories, 1990–2019: results from the Global Burden of Disease Study 2019
Notice bibliographique
Résumé
BACKGROUND: Anemia is a common disease which affects around 40% of children and 30% of reproductive age women and can have major health consequences. The present study reports the global, regional and national burden of anemia and its underlying causes between 1990 and 2019, by age, sex and socio-demographic index (SDI). METHODS: Publicly available data on the point prevalence and years lived with disability (YLDs) were retrieved from the global burden of disease (GBD) 2019 study for 204 countries and territories between 1990 and 2019. The point prevalence, YLD counts and rates per 100,000 population were presented, along with their corresponding 95% uncertainty intervals. RESULTS: In 2019, the global age-standardized point prevalence and YLD rates for anemia were 23,176.2 (22,943.5-23,418.6) and 672.4 (447.2-981.5) per 100,000 population, respectively. Moreover, the global age-standardized point prevalence and YLD rate decreased by 13.4% (12.1-14.5%) and 18.8% (16.9-20.8%), respectively, over the period 1990-2019. The highest national point prevalences of anemia were found in Zambia [49327.1 (95% UI: 46,838.5-51,700.1)], Mali [46890.1 (95% UI: 44,301.1-49,389.8)], and Burkina Faso [46117.2 (95% UI: 43,640.7-48,319.2)]. In 2019, the global point prevalence of anemia was highest in the 15-19 and 95+ age groups in females and males, respectively. Also, the burden of anemia was lower in regions with higher socio-economic development. Globally, most of the prevalent cases were attributable to dietary iron deficiency, as well as hemoglobinopathies and hemolytic anemias. CONCLUSIONS: Anemia remains a major health problem, especially among females in less developed countries. The implementation of preventive programs with a focus on improving access to iron supplements, early diagnosis and the treatment of hemoglobinopathies should be taken into consideration.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».