Socio‐economic association of alcohol use disorder and cardiovascular and alcohol‐associated liver disease from 2010 to 2019
Notice bibliographique
Résumé
BACKGROUNDS AND AIMS: Alcohol use leads to disabilities and deaths worldwide. It not only harms the liver but also causes alcohol use disorder (AUD) and heart disease. Additionally, alcohol consumption contributes to health disparities among different socio-economic groups. METHODS: We estimated global and regional trends in the burden of AUD, liver disease, and cardiovascular disease from alcohol using the methodology of the Global Burden of Disease study. RESULTS: In 2019, the highest disability-adjusted life years rate per 100,000 population was due to AUD (207.31 [95% Uncertainty interval (UI) 163.71-261.66]), followed by alcohol-associated liver disease (ALD) (133.31 [95% UI 112.68-156.17]). The prevalence rate decreased for AUD (APC [annual percentage change] -0.38%) and alcohol-induced cardiomyopathy (APC -1.85%) but increased for ALD (APC 0.44%) and liver cancer (APC 0.53%). Although the mortality rate for liver cancer from alcohol increased (APC 0.30%), mortality rates from other diseases decreased. Between 2010 and 2019, the burden of alcohol-associated complications increased in countries with low and low-middle sociodemographic index (SDI), contributing more significantly to the global burden. CONCLUSION: The global burden of AUD, liver, and cardiovascular disease has been high and increasing over the past decade, particularly for liver complications. Lower SDI countries are contributing more to this global burden. There is a pressing need for effective strategies to address this escalating burden.
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 | 0,000 |
| 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 ».