Chronic migraine epidemiology and outcomes – International (CaMEO-I) study: findings for diagnosis rates and care
Notice bibliographique
Résumé
Objective To describe findings on migraine diagnosis, consulting, and current medication use for migraine across 6 countries. Methods CaMEO-I was a cross-sectional, observational, web-based study in 2021 conducted in: US, Canada, UK, Germany, France, and Japan. Qualified respondents provided sociodemographic back- ground, headache features, migraine disability using Migraine Disability Assessment Scale (MIDAS), history of consulting, diagnosis, and treatment patterns. Results A total of 14,492 individuals met criteria for migraine (~2400 per country) and were included in this analysis. Median monthly headache days (MHDs) ranged from 2.3 to 3.3 days, with between 5.4% (France) to 9.5% (Japan) of respondents reporting ≥15 MHDs. Moderate-to-severe migraine-related disa- bility was reported between 30.3% (Japan) to 52.0% (Germany). Self-reported medical diagnosis (SRMD) rates for migraine, chronic/transformed migraine, or menstrual migraine among those meeting ICHD-3 criteria ranged from 42.8% (Japan) to 49.3% (US). Overall migraine population rates of current preventive use ranged from 6.4% (Japan) to 16.8% (US). Conclusions Between one-third and one-half of respondents who met mICHD-3 criteria reported mod- erate-severe migraine-related disability as measured by MIDAS. While there were between-country differences in the proportion of CaMEO-I respondents with an SRMD of migraine and chronic migraine, underdiagnosis of migraine was a concern in each country studied.
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 | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».