Global, regional, and national trends and burden of multiple sclerosis in adolescents and young adults: a data analysis from 1990 to 2021 and projections to 2040
Notice bibliographique
Résumé
Background and Objectives: Multiple sclerosis (MS) significantly impacts adolescents and young adults (aged 15-39 years), causing substantial neurological disability. Despite therapeutic advances, the global burden persists due to disparities in healthcare access and lifestyle factors. This study analyzes global, regional, and national trends and burdens of MS using Global Burden of Disease (GBD) 2021 data, emphasizing the influence of the Socio-demographic Index (SDI). Methods: Using data from the GBD 2021 data, we conducted a secondary analysis. We assessed the prevalence, mortality, and disability-adjusted life years (DALYs) of MS across 204 countries/territories from 1990 to 2021, calculating age-standardized rates. Results: In 2021, global MS prevalence was 489,310 cases, associated with 1,424 deaths and 215,869 disability-adjusted life years (DALYs). The global age-standardized rates per 100,000 were: prevalence 22.2 (19.8 - 24.8), deaths 0.2 (0.2 - 0.2), and DALYs 11.4 (9.8 - 13.2). Compared to 1990, these rates decreased by 0.4%, 12.8%, and 11.0% respectively, while the number of prevalent cases increased by 52.4%. Sweden (161.6), Canada (134.2), and Norway (131.5) had the highest age-standardized prevalence. The UK (71.3) had the highest and Nauru (0.4) the lowest age-standardized DALY rate. Female MS death rates exceeded those of males across all ages, peaking at 20-24 years. Regionally, age-standardized DALY rates showed an inverse V-shaped relationship with the SDI. Discussion: Although the global MS burden among adolescents and young adults (AYAs) decreased, the substantial and rising prevalence demands attention. The burden from premature mortality and stark geographic variations in prevalence and DALYs indicate inadequate disease management, underscoring the need for enhanced awareness and effective interventions. Urgent, targeted healthcare policies are required to address geographical inequities, sex-specific pathophysiology, and modifiable risk factors such as smoking.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».