Incidence and prevalence of Lewy body dementia in India: A systematic review
Notice bibliographique
Résumé
With increasing life expectancy in India, the prevalence of age-related disorders, such as dementia has also increased. Health and social care resources for each state are allocated based on their inhabitants’ age, sex, education, and urban/rural status but not on the dementia subtype, which can significantly influence prognosis, healthcare utilization, and quality of life. Herein, we aimed to systematically review studies investigating the prevalence of the Lewy body dementia (LBD) subtype in India. We conducted a systematic review of EMBASE, MEDLINE, and APA PsychINFO databases on June 22, 2023. Two independent reviewers performed screening and full-text review, with a third reviewer resolving any disputes. Quality was assessed for each extracted paper. Of 1372 identified studies, full-text reviews were conducted on 399 and data were extracted from 4. Two studies included prevalence data on dementia with Lewy bodies (DLB), one on Parkinson’s disease dementia and one on LBD. DLB or LBD has been reported to represent 1.0 – 8.9% of dementia diagnoses. Methodological heterogeneity was characterized by study design, access to biomarkers, diagnostic criteria, and use of cognitive tools. No studies reported incidence data. A paucity of research on LBD epidemiology in India is compounded by methodological heterogeneity, poorly representative cohorts, and varying access to biomarkers. Consensus guidelines may support data harmonization and the creation of multisite consortia, which could redress the under-representation of Central Asian data in epidemiological and genetic LBD studies.
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 | 0,007 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,009 | 0,008 |
| Bibliométrie | 0,015 | 0,017 |
| 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 | 0,001 |
| 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 ».