A61 GLOBAL INCIDENCE OF APPENDICITIS: A POPULATION-BASED STUDY OF THE ORGANISATION FOR ECONOMIC CO-OPERATION AND DEVELOPMENT
Notice bibliographique
Résumé
Abstract Background The global incidence of appendicitis in 2019 was estimated at 228 per 100,000 person-years. However, temporal trends of appendicitis rates vary between early industrialized and newly industrialized regions. Aims To analyze annual appendectomy rates in regions of the Organisation for Economic Co-operation and Development (OECD) in the 21st century. Methods We conducted an observational population-based cohort study using data from 34 OECD regions from 2000–2023. OECD data provides country-level annual hospitalization rates for appendectomy per 100,000 person-years. We used Poisson regression to calculate Average Annual Percentage Change (AAPC) in appendectomy rates, with associated 95% confidence intervals (CI) for each region. CIs crossing 0% were defined as stable. Results We observed geographic variation in appendectomy incidence rates, with rates ranging from 56.8 per 100,000 in Portugal (2023) to 165.6 per 100,000 in Switzerland (2022) (Table 1). Appendectomy rates significantly decreased in 22 regions and significantly increased in 10 regions, with AAPCs ranging from −4.25% (95%CI: −4.28, −4.22) in Italy to 1.46% (95%CI: 1.23, 1.68) in Norway (Table 1). AAPCs in Iceland were stable, and Latvia had insufficient data for time trend analysis. Conclusions In the 21st century, time trends of appendectomy rates across OECD regions displayed variation, with the majority decreasing. Geographic variability in rates and trends over time may be due to factors such as differential access to improved diagnostic imaging and non-surgical treatments. Table 1. The Average Annual Percentage Change (AAPC) in appendectomy for the 34 regions of the OECD dataset with the corresponding year ranges for each region, confidence intervals, and associated average incidence per 100,000 person-years. All region AAPCs are significantly increasing or decreasing except Iceland and Latvia. Funding Agencies None
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».