The Prevalence of Parkinson Disease in Ukraine
Notice bibliographique
Résumé
Reported prevalence of Parkinson's disease (PD) varies significantly among countries.1 To date, little information has been gathered from Eastern Europe.2,3 Crude prevalence rate (CPR) of PD (coded G20 in International Classification of Diseases-10) was collected in 2010 and 2017 from a national database published in Ukraine (Appendix S1: Part A). 4 As Ukraine is divided into 25 regions with additional data for the cities of Kyiv and Sevastopol, there were 27 data points in 2010.The Autonomous Republic of Crimea (including Sevastopol city) was temporarily occupied in 2014 so in 2017, only 25 data points were collected.National information has not been available since 2018 because of reorganization of the healthcare system.However, adult prevalence data from 2019 to 2020 was obtained from the Kyiv region (excluding Kyiv city) (personal communication Dr. Anatoly Galusha, Chief Neurologist of Kyiv region).The overall CPR of PD in Ukraine was 59.6 per 100,000 in 2010, and rose to 67.5 per 100,000 by 2017.Significant geographic differences were seen (Fig. 1, Appendix S1: Table S1).The latest CPR in Ukraine remains lower than the rate reported by other eastern European countries collected over a similar time period, which range from 93.3 to 404/100,000.2,3 We suspect that underdiagnoses and unequal access to healthcare remain determinants of the relatively low Ukrainian prevalence (Appendix S1: Part B).Recent data from the Kyiv region revealed the prevalence of PD in adults (age, 18-100 years-old) was 97/100,000 in 2019, and decreased to 77/100,000 by the end of 2020.Although the Kyiv region previously recorded a higher prevalence in 2017, rates were lower in 2019 and 2020.The reasons for this are still unclear, but deaths and lower accessibility to medical care related to the coronavirus disease 2019 (COVID-19) pandemic could have played a role.FIG. 1. Political map of Ukraine (adapted from MapChart, https://www.mapchart.net/ukraine.html)with respective prevalence (per 100,000) in each region in 2010 (A) and 2017 (B).Modified from Hobzei et al. 4 *Data may not be accurate due to becoming an autonomous region.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».