Health Effects of Metabolic Risks in the United States From 1990 to 2019
Notice bibliographique
Résumé
INTRODUCTION: Metabolic risks including high body mass index, high fasting plasma glucose, high low-density lipoprotein cholesterol, high systolic blood pressure, kidney dysfunction and low bone mineral density, contribute heavy burden to the US health systems. We aimed to investigate the burden attributable to metabolic risks in the US from 1990 to 2019. METHODS: Using methodology of Global Burden of Disease Study, the deaths and DALYs attributable to metabolic risks were analyzed by age, gender, states, Socio-demographic Index (SDI) and diseases from 1990 to 2019 in the US. RESULTS: In 2019, the age-standardized death and DALY rates attributable to metabolic risks were 174.9 and 4738.7 per 100,000 people, accounting for 33.1% and 18.2% of death and DALY rates from all causes in the US, and there was a decrease by -32.5% and -21.2% in age-standardized death and DALY rates since 1990. The burden attributable to metabolic risks increased with age, and was higher in males than females. In addition, the burden varied widely across the states, generally in inverse proportion to the SDI levels, and the heaviest burden was observed in East and West South-Central of the US. Cardiovascular diseases carried heavy burden attributable to metabolic risks. CONCLUSION: The burden attributable to metabolic risks remained major public health concerns in the US. Prevention of metabolic risks should be a high priority in the US.
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 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».