The spectrum of health conditions in community-based cross-sectional surveys in Southeast Asia 2010-21: a scoping review
Notice bibliographique
Résumé
Abstract Background Southeast Asia is undergoing an epidemiological transition with non-communicable illnesses becoming increasingly important, yet infectious diseases (tuberculosis, HIV, hepatitis B, malaria) remain widely prevalent in some populations, while emerging and zoonotic diseases threaten. There are also limited population-level estimates of many important heath conditions. This restricts evidence-based decision-making for disease control and prevention priorities. Cross-sectional surveys can be efficient epidemiological tools to measure the prevalence of a wide range of diseases, but no systematic assessment of their coverage of different health conditions has been produced for the region. Methods We conducted a systematic search in Medline, Embase, Global Health, CINAHL, Scopus, Web of Science Core Collection, and Global Index Medicus, and additionally Google Scholar. Our inclusion criteria were cross-sectional surveys conducted with community-based recruitment, in Bangladesh, Cambodia, Laos, Myanmar, and Thailand, published between January 1, 2010 and January 27, 2021, and reporting the prevalence of any health condition. Results 542 publications from 337 surveys were included. Non-communicable conditions (n = 205) were reported by more surveys than infectious conditions (n = 124). Disability (n = 49), self-report history of any disease or symptoms (n = 35), and self-perceived health status (n = 34), which reflect a holistic picture of health, were studied by many fewer surveys. In addition, 45 surveys studied symptomatic conditions which overlap between non-communicable and infectious conditions. The most surveyed conditions were undernutrition, obesity, hypertension, diabetes, intestinal parasites, malaria, anemia, diarrhea, fever, and acute respiratory infections. These conditions overlap with the most important causes of death and disability in the Global Burden of Disease study. However, other high-burden conditions (e.g. hearing loss, headache disorder, low back pain, chronic liver and kidney diseases, and cancers) were rarely studied. Conclusion There were relatively few recent surveys from which to estimate representative prevalences and trends of health conditions beyond those known to be high burden. Expanding the spectrum of health conditions in cross-sectional surveys could improve understanding of evolving disease patterns in the region.
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 | 0,013 | 0,057 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,005 |
| Bibliométrie | 0,027 | 0,026 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».