Multimorbidity among the Indigenous population: A systematic review and meta-analysis
Notice bibliographique
Résumé
BACKGROUND: Multimorbidity, the concurrent presence of multiple chronic health conditions in an individual, represents a mounting public health challenge. Chronic illnesses are prevalent in the Indigenous populations, which contributes to multimorbidity. However, the epidemiology of multimorbidity in this population is not well studied. This review aimed to elucidate the extent, determinants, consequences, and prevention of multimorbidity within Indigenous populations globally, contrasting findings with non-Indigenous populations. METHODS: Adhering to the PRISMA guidelines, this systematic review assimilated peer-reviewed articles and grey literature, focusing on the prevalence, determinants, implications, and preventive strategies of multimorbidity in global Indigenous populations. Emphasis was given to original, English-language, full-text articles, excluding editorials, and conference abstracts. FINDINGS: Of the 444 articles identified, 13 met the inclusion criteria. Five studies are from Australia, and the rest are from the USA, Canada, New Zealand, and India. The study indicated a higher multimorbidity prevalence among Indigenous populations, with consistent disparities observed across various age groups. Particularly, Indigenous individuals exhibited a 2-times higher likelihood of multimorbidity compared to non-Indigenous populations. Noteworthy findings underscored the elevated severity of certain comorbid conditions, especially strokes, within Indigenous groups, with further revelations highlighting their significant pairing with conditions such as heart diseases and diabetes. INTERPRETATION: The findings affirm the elevated burden of multimorbidity among Indigenous populations. Prevalence and risk of developing multimorbidity are significantly higher in this population compared to their non-Indigenous counterparts. Future research should prioritize harmonized research methodologies, fostering insights into the multimorbidity landscape, and promoting strategies to address health disparities in Indigenous populations.
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 | 0,014 | 0,035 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,016 | 0,029 |
| Bibliométrie | 0,008 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».