Epidemiological Surveillance of Amyotrophic Lateral Sclerosis: A Review
Notice bibliographique
Résumé
Abstract Background Registries and clinical databases are important tools to systematically record and collect information about individuals with rare diseases and to monitor disease patterns in populations. Through a review of the published literature on strategies used for surveillance of Amyotrophic Lateral Sclerosis (ALS), our objective was to better delineate the varied approaches used to monitor ALS at a population level. Further, we sought to determine the potential of registries to enhance knowledge on the epidemiology of ALS using a case study comparing epidemiological outputs from registries in the United States, United Kingdom, and Italy. Summary We searched Medline, Embase, Global Health, PsycInfo, Cochrane Library, and CINAHL identifying articles published between January 1 st , 2010, and May 12 th , 2021. Studies describing population registries, cohorts of individuals with ALS, or large-scale studies aimed at systematically identifying people with ALS, were eligible for inclusion. 1,447 publications were found, of which 141 were selected for full text review, and 41 of those were selected for data extraction. We identified ALS registries and pertinent databases in 4 continents (North America, Europe, Asia, and Oceania). Stated objectives of the registries/databases shaped their framework, methodology, and follow-up. The US National Registry demonstrates substantial research outputs and methodological strengths, producing many descriptive epidemiological outputs (n=5 studies) and several methodological papers (n=12 studies). The UK and Italy overall each produced a similar number of studies (albeit with fewer methodological papers), across several different registries and regions. Key Messages Due to challenges inherent to the surveillance of rare diseases, registries are a vital tool in determining and assessing the global impact of ALS. Nevertheless, the development and implementation of registries is not feasible everywhere in the world. There are advantages and drawbacks to structuring registries at a national or regional level, often dictated by funding availability, resources and health care infrastructure, and research objectives. To fully assess the epidemiological burden of ALS globally, collaborative initiatives are needed to fill gaps in knowledge, and there is a critical need to harmonize and optimize the development, collection, and sharing of data across registries.
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 | 0,008 | 0,041 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,003 |
| Bibliométrie | 0,020 | 0,023 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».