The World Federation of Hemophilia World Bleeding Disorders Registry: insights from the first 10,000 patients
Notice bibliographique
Résumé
Background: The prevalence of hemophilia varies globally, with close to 100% of patients diagnosed in high-income countries and as low as 12% diagnosed in lower-income countries. These inequalities in the care of people with hemophilia exist across various care indicators. Objectives: This analysis aims to describe the clinical care outcomes of patients in the World Bleeding Disorders Registry (WBDR). Methods: In 2018, the World Federation of Hemophilia developed a global registry, the WBDR, to permit hemophilia treatment centers to collect clinical data, monitor patient care longitudinally, and identify gaps in management and treatment. Results: = 5084) of patients had severe hemophilia; 99% were male, 85% had hemophilia A, and 67% were from low-middle-income countries. Globally, the age of diagnosis for people with severe hemophilia has improved considerably over the last 50 years, from 82 months (∼7 years) for those born before 1980 to 11 months for those born after 2010, and most prominently, among people with severe hemophilia in low- and low-middle-income countries, the age of diagnosis improved from 418 months (∼35 years) for those born before 1970 to 12 months for those born after 2010. Overall, the age of diagnosis of people with hemophilia in low- and low-middle-income countries is delayed by 3 decades compared to patients in upper-middle-income countries and by 4 decades compared to patients in high-income countries. Conclusion: Data reveal large treatment and care disparities between socioeconomic groups, showing improvements when prophylaxis is initiated to prevent bleeding. Overall, care provided in low-income countries lags behind high-income countries by up to 40 years. Limitations in the interpretation of data include risk of survival and selection bias.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».