Persistent high mortality rates for Diabetes Mellitus and Hypertension after excluding deaths associated with COVID-19 in Brazil, 2020–2022
Notice bibliographique
Résumé
INTRODUCTION: The outbreak of severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) posed a significant public health challenge globally, with Brazil being no exception. Excess mortality during this period reached alarming levels. Cardiovascular diseases (CVD), Systemic Hypertension (HTN), and Diabetes Mellitus (DM) were associated with increased mortality. However, the specific impact of DM and HTN on mortality during the pandemic remains poorly understood. METHODS: This study analyzed mortality data from Brazil's mortality system, covering the period from 2015 to 2022. Data included all causes of death as listed on death certificates, categorized by International Classification of Diseases 10th edition (ICD-10) codes. Population data were obtained from the Brazilian Census. Mortality ratios (MRs) were calculated by comparing death rates in 2020, 2021, and 2022 to the average rates from 2015 to 2019. Adjusted MRs were calculated using Poisson models. RESULTS: Between 2015 and 2022, Brazil recorded a total of 11,423,288 deaths. Death rates remained relatively stable until 2019 but experienced a sharp increase in 2020 and 2021. In 2022, although a decrease was observed, it did not return to pre-pandemic levels. This trend persisted even when analyzing records mentioning DM, HTN, or CVD. Excluding death certificates mentioning COVID-19 codes, the trends still showed increases from 2020 through 2022, though less pronounced. CONCLUSION: This study highlights the persistent high mortality rates for DM and HTN in Brazil during the years 2020-2022, even after excluding deaths associated with COVID-19. These findings emphasize the need for continued attention to managing and preventing DM and HTN as part of public health strategies, both during and beyond the COVID-19 pandemic. There are complex interactions between these conditions and the pandemic's impact on mortality rates.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».