Epidemiology of Lower Extremity Amputations in the United States: An Analysis of the Global Burden of Disease Database From 1990 to 2019
Notice bibliographique
Résumé
BACKGROUND: Lower extremity amputations (LEAs) are medically, psychologically, and functionally devastating. The objective of our study was to evaluate region- and sex-specific differences of unilateral and bilateral LEAs across the United States (US) from 1990 to 2019. METHODS: The Global Burden of Disease database was used to analyze years lived with disability (YLDs), prevalence, and incidence rates per 100,000 people for LEAs in the US from 1990 to 2019. Data were stratified into four US Census Bureau-defined regions: Northeast, Midwest, South, and West. Differences between regions and sexes were assessed, with statistical significance defined as p < 0.05. RESULTS: From 1990 to 2019, the US experienced an overall decrease in YLDs (33.07%), incidence (22.11%), and prevalence (29.93%) of bilateral LEAs. Unilateral LEAs saw a decrease in YLDs (21.43%) and prevalence (15.61%), but an increase in incidence (9.05%). Men surpassed women in YLDs, incidence, and prevalence of unilateral and bilateral LEAs in all regions. The West had the highest incidence and prevalence of both bilateral and unilateral LEAs from 1990 to 2019. By 2019, the South had the lowest incidence, and the Northeast had the lowest YLDs and prevalence of bilateral and unilateral LEAs. CONCLUSIONS: From 1990 to 2019, the US experienced decreases in YLDs, prevalence, and incidence of unilateral and bilateral LEAs, except for an increased incidence of unilateral LEAs. Men experienced higher rates than women across each region. The West generally had the highest overall rates. These trends highlight sex-specific and regional disparities of LEAs.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,000 | 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 ».