The Burden of Occupational Noise-Induced Hearing Loss From 1990 to 2019: An Analysis of Global Burden of Disease Data
Notice bibliographique
Résumé
OBJECTIVES: The relationship between long-term exposure to occupational noise and hearing loss has been extensively documented. We aimed to assess spatial and temporal changes in the burden of occupational noise-induced hearing loss (ONIHL) in 204 countries and territories with varying socio-demographic indexes (SDI) from 1990 to 2019. DESIGN: Temporal and spatial trends in age-standardized disability-adjusted life year rates (ASDR) for ONIHL were estimated by sex, age, SDI level, country, and geographic region from 1990 to 2019. We used the Joinpoint model to calculate annual average percentage changes to assess such trends and projected trends in ASDR for ONIHL globally and across different income regions from 2020 to 2044 using an age-period-cohort model. We fitted the relationship between ASDR and SDI, ASDR and healthcare access and quality index, respectively. RESULTS: Overall, the global burden of ONIHL has decreased since 1990, especially in middle and lower SDI regions. In 2019, the global ASDR for ONIHL was 84.23 (95% confidence interval: 57.46 to 120.52) per 100,000 population. From 1990 to 2019, the global ASDR for ONIHL decreased by 1.72% (annual average percentage change = -0.05, 95% confidence interval: -0.07 to -0.03). Our projections showed a decreasing trend in the global ONIHL burden until 2044. ASDR and SDI ( R = -0.8, p < 0.05), ASDR and healthcare access and quality index ( R = -0.75, p < 0.05) showed significant negative correlations. CONCLUSIONS: The global ONIHL burden has decreased over the past three decades, especially in regions with middle and lower SDI levels. However, the global ONIHL burden still remained severe in 2019, notably among males, the middle-aged and elderly, and regions with lower SDI levels.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».