Epidemiology of Huntington's Disease in Latin America: A Systematic Review and Meta‐Analysis
Notice bibliographique
Résumé
BACKGROUND: Latin America has played a crucial role in advancing our understanding of Huntington's disease (HD). However, previous global reviews include limited data from Latin America. It is possible that English-based medical search engines may not capture all the relevant studies. METHODS: We searched databases in Spanish, Portuguese, and English. The names of every country in Latin America in English-based search engines were used to ensure we found any study that had molecular ascertainment and provided general epidemiological information or subpopulation data. Additionally, we contacted experts across the region. RESULTS: The search strategy yielded 791 citations; 24 studies met inclusion criteria, representing 12 of 36 countries. The overall pooled prevalence was 0.64 per 100,000 (prediction interval, 0.06-7.22); for cluster regions, it was 54 per 100,000 (95% CI, 34.79-84.92); for juvenile HD, it was 8.7% (prediction interval, 5.12-14.35), and 5.9% (prediction interval, 2.72-13.42) for late-onset HD. The prevalence was higher for Mexico, Peru, and Brazil. However, there were no significant differences between Central America and the Caribbean versus South America. CONCLUSION: The prevalence of HD appears to be similar across Latin America. However, we infer that our findings are underestimates, in part because of limited research and underdiagnosis of HD because of limited access to molecular testing and the availability of neurologists and movement disorders specialists. Future research should focus on identifying pathways to improve access to molecular testing and education and understanding differences among different ancestral groups in Latin America. © 2024 International Parkinson and Movement Disorder Society.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,007 | 0,002 |
| Bibliométrie | 0,001 | 0,002 |
| 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 ».