Temporal trends in the epidemiology of inflammatory bowel diseases in the public healthcare system in Brazil: A large population-based study
Notice bibliographique
Résumé
Background: Population-based data on epidemiology of Inflammatory Bowel Diseases (IBD) in Brazil are scarce. This study aims to define temporal trends of incidence and prevalence rates of Crohn's disease (CD) and ulcerative colitis (UC) in Brazil. Methods: All IBD patients from the public healthcare national system were included from January 2012 to December 2020. Average Annual Percent Change (AAPC) and 95% confidence intervals (CI) were calculated using log-linear regression for incidence and binomial regression for prevalence. Moran's I autocorrelation index was used to analyse clustering of cities by level of prevalence. Findings: A total of 212,026 IBD patients were included. Incidence of IBD rose from 9.4 in 2012 to 9.6 per 100,000 in 2020 (AAPC=0.8%; 95% CI -0.37, 1.99); for UC, incidence increased from 5.7 to 6.9 per 100,000 (AAPC=3.0%; 95% CI 1.51, 4.58) and for CD incidence decreased from 3.7 to 2.7 per 100,000 (AAPC=-3.2%; 95% CI -4.45, -2.02). Prevalence of IBD increased from 30.0 in 2012 to 100.1 per 100,000 in 2020 (AAPC=14.8%; CI 14.78-14.95); for UC, from 15.7 to 56.5 per 100,000 (AAPC=16.0%; CI 15.94, 16.17); for CD from 12.6 to 33.7 per 100,000 (AAPC=12.1% CI 11.95, 12.02). A south-north gradient was observed in 2020 prevalence rates of IBD [I=0.40 (p<0.0001)], CD [I=0.22 (p<0.0001)] and UC [I=0.42 (p<0.0001)]. Interpretation: Incidence of CD is decreasing whereas of UC is increasing, leading to stabilization in the incidence of IBD from 2012 to 2020 in Brazil. Prevalence of IBD has been climbing with 0.1% of Brazilians living with IBD in 2020. Funding: None.
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 | 0,005 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».