Nontuberculous mycobacterial pulmonary disease (NTM PD) incidence trends in the United States, 2010–2019
Notice bibliographique
Résumé
BACKGROUND: Nontuberculous mycobacteria (NTM) are ubiquitous environmental bacteria that cause chronic lung disease. Rates of NTM pulmonary disease (NTM PD) have increased over the last several decades, yet national estimates in the United States (US) have not been assessed since 2015. METHODS: We used a nationally representative population of Medicare beneficiaries aged ≥ 65 years to assess rates of NTM PD in a high-risk population from 2010 to 2019. Poisson generalized linear models were used to assess the annual percent change in incidence in the overall population and among key demographic groups such as sex, geography, and race/ethnicity. We evaluated the relative prevalence of various comorbid conditions previously found to be associated with NTM PD. RESULTS: We identified 59,724 cases of incident NTM PD from 2010 to 2019 from an annual mean population of 29,687,097 beneficiaries, with an average annual incidence of 20.1 per 100,000 population. NTM PD incidence was overall highest in the South and among women, Asian individuals, and persons aged ≥ 80 years relative to other studied demographic groups. The annual percent change in NTM PD incidence was highest in the Northeast, at 6.5%, and Midwest, at 5.9%, and among women, at 6.5%. Several comorbid conditions were highly associated with concurrent NTM diagnosis, including allergic bronchopulmonary aspergillosis, bronchiectasis, and cystic fibrosis. CONCLUSIONS: Here we provide current estimates of NTM PD incidence and prevalence and describe increasing trends in the US from 2010 to 2019. Our study suggests a need for improved healthcare planning to handle an increased future caseload, as well as improved diagnostics and therapeutics to better detect and treat NTM PD in populations aged ≥ 65 years.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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) | 0,001 | 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 ».