Global Burden of Stroke Attributable to Kidney Dysfunction, 1992-2021: Age-Period-Cohort Analysis and Projected Trends
Notice bibliographique
Résumé
ABSTRACT BACKGROUND Kidney dysfunction is an important modifiable risk factor for stroke, yet its attributable global burden remains understudied. This analysis quantifies its impact across demographics and projects future trends. METHODS AND RESULTS Using Global Burden of Disease 2021 data, we analyzed stroke-related deaths and disability-adjusted life years (DALYs) attributable to kidney dysfunction globally, regionally, and nationally, stratified by age, sex, and socio-demographic index (SDI). Trends (1992–2021) were assessed via age-period-cohort (APC) modeling and estimated annual percentage change (EAPC). Contributions of aging, population growth, and epidemiological shifts were quantified through decomposition analysis. Bayesian models projected trends to 2040. Globally, age-standardized mortality rate (ASMR) and age-standardized disability-adjusted life year rate (ASDR) declined (EAPC: −1.85% (95% CI −1.95 to −1.74) and −1.73% (95% CI −1.82 to −1.63)), yet absolute deaths and DALYs rose to 676,000 and 15.009 million in 2021. The burden surged after age 80, disproportionately affecting males and low-SDI regions. Middle-SDI regions showed the steepest declines, while Southern Sub-Saharan Africa experienced rising ASMR and ASDR. Projections suggest continued declines, particularly in females, though disparities persist. CONCLUSIONS Despite global declines, stroke burden attributable to kidney dysfunction remains elevated in older males and low-SDI regions. Targeted interventions addressing kidney health and equitable healthcare access are critical to mitigating disparities and reducing future burden.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».