Global, Regional, and National Prevalence of Gout From 1990 to 2019: Age-Period-Cohort Analysis With Future Burden Prediction
Notice bibliographique
Résumé
BACKGROUND: Gout is a common and debilitating condition that is associated with significant morbidity and mortality. Despite advances in medical treatment, the global burden of gout continues to increase, particularly in high-sociodemographic index (SDI) regions. OBJECTIVE: To address the aforementioned issue, we used age-period-cohort (APC) modeling to analyze global trends in gout incidence and prevalence from 1990 to 2019. METHODS: Data were extracted from the Global Burden of Disease Study 2019 to assess all-age prevalence and age-standardized prevalence rates, as well as years lived with disability rates, for 204 countries and territories. APC effects were also examined in relation to gout prevalence. Future burden prediction was carried out using the Nordpred APC prediction of future incidence cases and the Bayesian APC model. RESULTS: The global gout incidence has increased by 63.44% over the past 2 decades, with a corresponding increase of 51.12% in global years lived with disability. The sex ratio remained consistent at 3:1 (male to female), but the global gout incidence increased in both sexes over time. Notably, the prevalence and incidence of gout were the highest in high-SDI regions (95% uncertainty interval 14.19-20.62), with a growth rate of 94.3%. Gout prevalence increases steadily with age, and the prevalence increases rapidly in high-SDI quantiles for the period effect. Finally, the cohort effect showed that gout prevalence increases steadily, with the risk of morbidity increasing in younger birth cohorts. The prediction model suggests that the gout incidence rate will continue to increase globally. CONCLUSIONS: Our study provides important insights into the global burden of gout and highlights the need for effective management and prophylaxis of this condition. The APC model used in our analysis provides a novel approach to understanding the complex trends in gout prevalence and incidence, and our findings can inform the development of targeted interventions to address this growing health issue.
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 | 0,009 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| 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 | 0,001 | 0,002 |
| 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 ».