Trends in Prevalence of Gout Among US Asian Adults, 2011-2018
Notice bibliographique
Résumé
Importance: Gout disparities among Black individuals in the US have recently been explained by socioclinical factors; however, no information is available among Asian individuals living in Western countries, despite their disproportionately worsening metabolic health. Objective: To determine the prevalence of gout and serum urate concentrations according to race and ethnicity and to explore the association of social determinants of health and clinical factors. Design, Setting, and Participants: This is a population-based, cross-sectional analysis. Data from a nationally representative sample of US adults were obtained from the National Health and Nutrition Examination Survey (NHANES) (2011-2018) in which Asian race data were collected (primary). Data from the UK Biobank (2006-2021) were used for replication of the Asian vs White differences. Data analysis was performed from December 2021 to September 2022. Main Outcomes and Measures: Race-specific gout prevalence and serum urate levels. Results: A total of 22 621 participants from NHANES (2011-2018) were included in the analysis (mean [SD] age, 49.8 [17.8] years; 10 948 male participants [48.4%]). In 2017 to 2018, gout affected 12.1 million US individuals, with its crude prevalence increasing from 3.6% (95% CI, 2.8%-4.5%) in 2011 to 2012 to 5.1% (95% CI, 4.2%-5.9%) in 2017 to 2018 (P for trend = .03); this trend was no longer significant after age adjustment (P for trend = .06) or excluding Asian individuals (P for trend = .11). During the same period, age- and sex-adjusted prevalence among Asian Americans doubled from 3.3% (95% CI, 2.1%-4.5%) to 6.6% (95% CI, 4.4%-8.8%) (P for trend = .007) to numerically exceed all other racial and ethnic groups in 2017 to 2018, with age- and sex-adjusted odds ratio (ORs) of 1.61 (95% CI, 1.03-2.51) and a socioclinical factor-adjusted multivariable OR of 2.62 (95% CI, 1.59-4.33) for Asian vs White individuals. The latest age- and sex-adjusted gout prevalence among US individuals aged 65 years and older was 10.0% among White individuals and 14.8% among Asian individuals (including 23.6% of Asian men). Serum urate concentrations also increased between 2011 and 2018 among US Asian individuals (P for trend = .009). The Asian vs White disparity was also present in the UK Biobank. Conclusions and Relevance: The findings of this study suggest that the prevalence of gout among Asian individuals numerically surpassed that for all other racial and ethnic groups in 2017 to 2018. This Asian vs White disparity did not appear to be associated with socioclinical factors.
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 | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».