Pre-COVID life expectancy, mortality, and burden of diseases for adults 70 years and older in Australia: a systematic analysis for the Global Burden of Disease 2019 Study
Notice bibliographique
Résumé
Background: The Australian population aged 70 and above is increasing and imposing new challenges for policy makers and providers to deliver accessible, appropriate and affordable health care. We examine pre-COVID patterns of health loss between 1990 and 2019 to inform policies and practices. Methods: Using the standardised methodology framework and analytical strategies from GBD 2019 methodologies, we estimated mortality, causes of death, years of life lost (YLLs), years lived with disability (YLDs), disability-adjusted life years (DALYs), life expectancy at age 70 and above (LE-70), and healthy life expectancy (HALE-70) in Australia comparing them globally and with high socio-demographic index (SDI) groups. Findings: DALY rates have been improving steadily over the past 30 years among Australians aged 70 and above. Decreases in DALY rates were primarily attributed to a fall in YLLs attributable to cardiovascular diseases (60%) and chronic respiratory disorders (30.2%) and transport injuries (56.9%), while the non-fatal burden remained stable from 1990 to 2019. According to the DALY rates, the top five leading causes are ischemic heart disease, Alzheimer's disease, COPD, stroke, and falls, where falls exhibited the largest increase since 1990. Interpretation: This study provides an in-depth report on the main causes of mortality and disability in Australia's population aged 70 and above. It sheds light on the shifts in burden over three decades, emphasising the need for the Australian health system to enhance its readiness in addressing the escalating demands of an ageing population. These findings establish pre-COVID baseline estimates for Australia's population aged 70 and above, informing healthcare preparedness. Funding: Bill & Melinda Gates Foundation.
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 ».