104 Examining the sex differences in the prevalence and incidence of Parkinson disease
Notice bibliographique
Résumé
Background Parkinson disease (PD) is a major cause of disability affecting >6 million people worldwide. The incidence/prevalence of PD is generally higher in males than females. It is unclear whether male predominance is observed in low- and middle-income countries, where the fastest apparent rate of increase of PD has been observed. Methods We searched MEDLINE, SCOPUS and OVID for articles published between 2014-2021 for incidence of PD, 2011-2021 for prevalence, and updated previously published systematic reviews for which the last date of inclusion had been 2014 and 2011. We included 32 articles for prevalence and 30 for incidence. We calculated male/female (M/F) prevalence and incidence ratios, and investigated heterogeneity in estimates. Results The combined M/F prevalence ratio was 1.18 (95% CI 1.03-1.36) and incidence ratio was 1.37 (95% CI 1.22-1.53), lowest in Asian populations. These were not influenced by study type, national economy or mean participant age. The female-to-male gap in life expectancy did partly account for data heterogeneity. Conclusion The sex gap for prevalence of PD was smaller than has previously been reported. More studies are needed to understand the determinants of sex imbalance in PD.
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 | 0,016 | 0,067 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,007 |
| Bibliométrie | 0,012 | 0,012 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».