Impact of relative deprivation and ethnicity on the incidence rate of amyotrophic lateral sclerosis
Notice bibliographique
Résumé
Objective: This study assessed a sizable cohort of patients with amyotrophic lateral sclerosis (ALS) in a relatively deprived and ethnically diverse area in the northwest of England. We aimed to evaluate the interaction of relative deprivation and ethnicity with the incidence of ALS. Methods: Six hundred and ninety-three adults from Greater Manchester who were diagnosed with ALS between 1 January 2011 and 31 December 2021 were included in this study. Data were collected from electronic patient records. Relative deprivation was estimated using the Index of Multiple Deprivation 2019 and patients were divided into quartiles of deprivation in England. Ethnicity was sub-grouped into White, Southeast Asian, Black, and Other. Poisson’s regression analysis was used to calculate the incidence rate and its interactions with deprivation and ethnicity. Results: 55.4% of patients were male, 95.4% were White, 57.4% were in the two most deprived quartiles, and 87.2% had died by the end of the observation period. The crude incidence rate was 2.21 cases per 100,000 (95% CI 2.00–2.40) per year. There was no difference in the adjusted incidence rates among the quartiles of deprivation, even when considering ethnicity as a confounding variable. The risk of ALS in the White population was 2.08 (95% CI 1.47–3.04) times greater than that in the non-White population. Conclusion: In our cohort, relative deprivation was not an independent risk factor for ALS. A stronger association between White ethnicity and ALS was noted. The reason for this association remains unclear, highlighting the need for more research in this field.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».