From Shadows to Spotlight: Exploring the Escalating Burden of Alcohol-Associated Liver Disease and Alcohol Use Disorder in Young Women
Notice bibliographique
Résumé
INTRODUCTION: The burden of alcohol-related complications is considerable, particularly alcohol-associated liver disease and alcohol use disorder (AUD). However, there are deficiencies in comprehensive epidemiological research focusing on these issues, especially among young women who display higher susceptibility to such complications compared with their male counterparts. We thus aimed to determine the global burden of these conditions in this vulnerable group. METHODS: Leveraging data from the Global Burden of Disease Study 2019, we analyzed the prevalence, mortality, and disability-adjusted life years of alcohol-associated cirrhosis (AC), liver cancer from alcohol, and AUD in young women. The findings were categorized by region, nation, and sociodemographic index. RESULTS: The highest age-standardized prevalence rates were observed in AUD (895.96 [95% uncertainty interval (UI) 722.6-1,103.58]), followed by AC (65.33 [95% UI 48.37-86.49]) and liver cancer from alcohol (0.13 [95% UI 0.09-0.19]) per 100,000 people. The highest age-standardized mortality rates were observed in AC (0.75 [95% UI 0.55-0.97]), followed by AUD (0.48 [95% UI 0.43-0.53]) and liver cancer from alcohol (0.06 [95% UI 0.04-0.09]). The highest burdens of AC and AUD were observed in Central Europe, whereas the high-income Asia Pacific had the highest burden of liver cancer from alcohol. DISCUSSION: Throughout the past decade, the trend of AUD varied among regions while the impact of alcohol-associated liver disease has increased, requiring urgent public health strategy to mitigate these complications, particularly in female patients in Europe and the Asia-Pacific region.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».