The incidence of all‐cause dementia and Alzheimer’s disease from around the world: data from the COSMIC collaboration
Notice bibliographique
Résumé
Abstract Background High‐income countries (HICs) are over‐represented in current global dementia incidence rates, skewing estimates. Variance in diagnostic methods between HICs and low‐ and middle‐income countries (LMICs) is speculated to contribute to the regional differences in rates. Cohort Studies of Memory in an International Consortium (COSMIC) offers a unique opportunity to address these research inequalities by harmonising data from international studies, including representation from LMICs. This study aimed to identify dementia incidence rates by age and sex in various regions worldwide, where data for dementia diagnosis were available. Method Data were obtained from 36 members of COSMIC, representing 28 countries across 6 continents (HICs: Australia, Canada, Faroe Islands, France, Germany, Greece, Italy, Japan, Netherlands, South Korea, Spain, Sweden, & USA; LMICs: Brazil, China, Cuba, Dominican Republic, Ecuador, Indonesia, Malaysia, Mexico, Nigeria, Peru, Philippines, Republic of Congo, & Tanzania). For each member study, we calculated incidence rates for all‐cause dementia. Findings from 14 studies, with a consensus diagnosis are presented in the results. Using an Item Response Theory approach, we are currently calculating a comparable incidence rate for those studies without a consensus diagnosis. Result Consistent with previous trends, incidence rates (per 100 person‐years) increased with age, from 65‐70 years‐old to 85‐90 years‐old, for both males (i.e., Republic of Congo, 4.41 to 19.57; France, 0.46 to 3.89; USA, 0.17 to 3.22; Spain, 0.31 to 4.22; 65‐70 & 85‐90 cohorts respectively) and females (i.e., Republic of Congo, 3.57 to 15.31; France, 0.45 to 3.72; USA, 0.22 to 4.25; Spain, 0.36 to 4.96; 65‐70 & 85‐90 cohorts respectively). There were no sex differences in incidence rates in younger age groups (60‐65). Among older age groups, however, women tended to have higher incidence rates than men, in some countries (Faroe Islands, Germany, Sweden, and USA). Conclusion Geographical differences in dementia incidence rates likely represent inherent variation among countries, beyond methodological considerations. We are working to expand the range of studies and regions for which we calculate dementia incidence rates. This involves the development of approaches to classify and harmonise incident dementia in studies lacking consensus diagnoses. Doing so will bolster LMIC representation.
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 | 0,005 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,007 | 0,013 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 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 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 ».