MétaCan
Menu
Retour à la cohorte
Enregistrement W6976626299 · doi:10.60692/mr0xx-a0j80

Global and regional prevalence of multimorbidity in the adult population in community settings: a systematic review and meta-analysis

2023· article· en· W6976626299 sur OpenAlexaff

Notice bibliographique

RevueGreater South Information System · 2023
Typearticle
Langueen
DomaineComputer Science
ThématiqueHistory of Computing Technologies
Établissements canadiensMcMaster UniversityImpact
Organismes subventionnairesnon disponible
Mots-clésMultimorbidityPopulationYoung adultComorbidityEpidemiologyHealth careMEDLINEPublic health

Résumé

récupéré en direct d'OpenAlex

Knowing the prevalence of multimorbidity among adults across continents is a crucial piece of information for achieving Sustainable Development Goal 3.4, which calls for reducing premature death due to non-communicable diseases. A high prevalence of multimorbidity indicates high mortality and increased healthcare utilization. We aimed to understand the prevalence of multimorbidity across WHO geographic regions among adults.We performed a systematic review and meta-analysis of surveys designed to estimate the prevalence of multimorbidity among adults in community settings. We searched PubMed, ScienceDirect, Embase and Google Scholar databases for studies published between January 1, 2000, and December 31, 2021. The random-effects model estimated the pooled proportion of multimorbidity in adults. Heterogeneity was quantified using I2 statistics. We performed subgroup analyses and sensitivity analyses based on continents, age, gender, multimorbidity definition, study periods and sample size. The study protocol was registered with PROSPERO (CRD42020150945).We analyzed data from 126 peer-reviewed studies that included nearly 15.4 million people (32.1% were male) with a weighted mean age of 56.94 years (standard deviation of 10.84 years) from 54 countries around the world. The overall global prevalence of multimorbidity was 37.2% (95% CI = 34.9-39.4%). South America (45.7%, 95% CI = 39.0-52.5) had the highest prevalence of multimorbidity, followed by North America (43.1%, 95% CI = 32.3-53.8%), Europe (39.2%, 95% CI = 33.2-45.2%), and Asia (35%, 95% CI = 31.4-38.5%). The subgroup study highlights that multimorbidity is more prevalent in females (39.4%, 95% CI = 36.4-42.4%) than males (32.8%, 95% CI = 30.0-35.6%). More than half of the adult population worldwide above 60 years of age had multimorbid conditions (51.0%, 95% CI = 44.1-58.0%). Multimorbidity has become increasingly prevalent in the last two decades, while the prevalence appears to have stayed stable in the recent decade among adults globally.The multimorbidity patterns by geographic regions, time, age, and gender suggest noticeable demographic and regional differences in the burden of multimorbidity. According to insights about prevalence among adults, priority is required for effective and integrative interventions for older adults from South America, Europe, and North America. A high prevalence of multimorbidity among adults from South America suggests immediate interventions are needed to reduce the burden of morbidity. Furthermore, the high prevalence trend in the last two decades indicates that the global burden of multimorbidity continues at the same pace. The low prevalence in Africa suggests that there may be many undiagnosed chronic illness patients in Africa.None.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,022
score de la tête « metaresearch » (Gemma)0,046
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: Méta-analyse
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,026
Score d'incertitude au seuil0,119

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0220,046
Méta-épidémiologie (sens strict)0,0030,002
Méta-épidémiologie (sens large)0,0260,051
Bibliométrie0,0120,013
Études des sciences et des technologies0,0010,001
Communication savante0,0040,002
Science ouverte0,0030,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,085
Tête enseignante GPT0,274
Écart entre enseignants0,189 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeMéta-analyse
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGreater South Information SystemMême sujetHistory of Computing TechnologiesTravaux en français237 207