Global burden of bacterial skin diseases from 1990 to 2045: an analysis based on global burden disease data
Notice bibliographique
Résumé
Abstract Background The global burden of bacterial skin diseases has not been well evaluated.Objective We aimed to describe the burden and trend of bacterial skin diseases, to explore potential associated factors, and to predict the burden up to 2045.Methods Data on incidence and disability-adjusted life years (DALYs) of bacterial skin diseases were obtained from Global Burden of Disease 2021. We used average annual percent change (AAPC) by Joinpoint Regression to quantify the temporal trends. We conducted decomposition analysis to understand the contribution of aging, epidemiological changes, and population growth. Bayesian Age-Period-Cohort model was used to predict burden up to 2045.Results Global incidence rate of bacterial skin diseases increased from 8,988.74 per 100,000 in 1990 to 10,823.88 per 100,000, with AAPC of 0.62% (0.61 ~ 0.63%). The highest incidence rate was in low Socio-demographic Index (SDI) region and population aged < 35. The DALY rate increased from 20.82 per 100,000 in 1990 to 25.45 per 100,000 in 2021, with AAPC of -0.11% (-0.34 ~ 0.13%). The highest increase of DALY was in high SDI region and population aged > 85. The major drivers of incident case rise were population growth, followed by epidemiological changes; the major drivers of DALY case rise were population growth, followed by aging. Increasing trends were seen in prediction of incidence rate, incident cases and DALY cases; decreasing trend of DALY rate prediction was seen.Conclusion The incidence of bacterial skin diseases increased and varied considerably. The targeted prevention and treatment are needed to reduce burden of bacterial skin disease.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,005 | 0,007 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 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 ».