Prevalence of Atopic Dermatitis: A Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
Abstract: Background: Atopic dermatitis (AD) negatively affects quality of life and places a substantial financial burden on health care systems due to treatment costs and increased demand for services. Objective: To estimate the worldwide prevalence of AD, the proportion of severe cases worldwide and explore sources of heterogeneity. Methods: We searched MEDLINE, Embase, and Global Index Medicus from January 2012 up until August 30, 2022. We included primary prevalence studies published from 2012 onward. Study selection was conducted by two reviewers independently. One reviewer performed data extraction and assessed risk of bias using the JBI Critical Appraisal Checklist for Prevalence Studies, with independent checking by a second reviewer. Random-effects meta-analyses were conducted to pool results; subgroup analyses were conducted to evaluate potential modifiers. Certainty of evidence was rated using the Grading of Recommendations Assessment, Development, and Evaluation approach. Main outcomes were point prevalence and proportion of severe cases. Results: We identified 12,774 unique references and assessed 1029 full texts, ultimately resulting in the inclusion of 310 studies with 25.5 million individuals. Point prevalence was 11.1% (95% CI 9.4–13.1; 123 studies; 12,776,910 individuals; moderate certainty of evidence) in children and adolescents, and 6.3% (95% CI 5.0–7.8; 59 studies; 12,794,260 individuals; moderate certainty of evidence) in adults. Relatively similar results were observed for studies with low risk of bias. Proportion of severe cases varied from 1.9 to 7.2% in children and adolescents and 2.8% to 15.6% in adults. Conclusions: These findings may underpin effective health care policies, research initiatives, and clinical decision-making.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,012 | 0,004 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,001 | 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 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 ».