Multiple Sclerosis in the Greenlandic population. A nationwide cohort study
Notice bibliographique
Résumé
BACKGROUND: The Global Burden of Disease Group modelled a surprisingly high prevalence of Multiple Sclerosis (MS) in the Greenlandic population in 2016 of 290 per 100,000, higher than that in Denmark, a high-risk country of MS. OBJECTIVE: Obtain accurate data on the burden (prevalence and incidence rates) of MS in Greenland, 1973 - 2014, overall and according to ethnicity. METHODS: Greenlandic prevalence and incidence rates were estimated using validated data from the Danish Multiple Sclerosis Registry (Greenlandic citizens suspected of MS were until 2014 supposed to be transferred to Denmark). The relative risk of MS in the Greenlandic population versus that in the Danish was estimated as the ratio of observed to expected numbers of MS according to Danish national sex-, age- and period-specific MS incidence rates, i.e. Standardized Incidence Ratio (SIR). RESULTS: In 2014, seven persons were living with MS in Greenland (prevalence=12.52 per 100,000) and 22 new MS cases were registered from 1973 to 2014 (incidence rate=0.97 (95 % CI; 0.64-1.47) per 100,000 person-years of risk). Inuit and Non-Inuit in Greenland, and Inuit in Denmark had MS risks of 2 % (SIR=0.02 (0.01-0.06)), 67 % (SIR=0.67 (0.42-1.04)) and 23 % (SIR=0.23 (0.13-0.39)) respectively, of that in the Danish Non-Inuit population. To enhance completeness, possibly at the risk of misclassification we included MS diagnoses from the Greenlandic and Danish National Patient registries. In 2014, prevalence of MS in Greenland was now 48.29 per 100,000. CONCLUSION: Our study does not support prior claims of Greenland being a high MS risk country. MS is still relatively rare among Inuit living in Greenland.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 ».