Causes of death in rural southeast Asia by electronic verbal autopsy: a population-based observational study
Notice bibliographique
Résumé
BACKGROUND: In low-income and middle-income countries in southeast Asia, most deaths occur outside of the health-care system without a medically certified cause of death. We did a verbal autopsy study to determine the underlying causes of death in rural areas of the region and to estimate premature mortality using years of life lost (YLLs). METHODS: In this population-based observational study, we conducted electronic verbal autopsy surveys for reported deaths in 510 villages in Bangladesh, Cambodia, Laos, Myanmar, and Thailand from 2021 to 2024. With the WHO 2016 verbal autopsy questionnaire, trained fieldworkers conducted interviews, and local physicians independently assigned causes of death by ICD-10 codes. Causes of death were ranked based on cause-specific mortality fractions (CSMFs), and YLLs calculated using corresponding national life expectancy. FINDINGS: Over 90% of reported deaths had a verbal autopsy administered. Among 3413 deaths, 2052 (60%) were male and 1361 (40%) were female, and 3245 (95%) were older than 12 years. Across sites, 64-86% of deaths occurred at home. Non-communicable diseases were the leading causes of death, ranging from 54% in Laos to 70% in Cambodia, with cardiovascular, cerebrovascular, cancer, and digestive conditions being the most common. Maternal, nutritional, and communicable diseases, mainly respiratory infections, diarrhoea, and tuberculosis, accounted for 11-26% of deaths across the sites. Accidents and injuries comprised 7-13% and ranked among the top five causes. Major gaps in death documentation persist across all countries, whereas disease-specific causes of death varied between sites. Non-communicable diseases accounted for the majority of YLLs, representing between 56% and 65% across the five countries. INTERPRETATION: This multicountry study highlighted the significant burden of non-communicable diseases in rural southeast Asia, alongside persistent communicable diseases, emphasising the need for better mortality data and health-care access to reduce this dual burden. FUNDING: Wellcome Trust. TRANSLATIONS: For the Myanmar, Karen, Bangla, Thai, Lao and Khmer translations of the abstract see Supplementary Materials section.
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 | 0,000 |
| 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 ».