Prevalence and Incidence of Migraine in Pediatric and Adolescent Populations: Insights from a Targeted Literature Review
Notice bibliographique
Résumé
Migraine affects 7.7% to 9.1% of children globally and impairs quality of life. However, pediatric migraine remains underdiagnosed and undertreated, with few approved preventive treatments. Understanding the epidemiological burden is essential to support regulatory expansion and market access of new preventive therapies. This study aimed to synthesize the evidence on migraine prevalence and incidence in children and adolescents aged 6-17 years in the 30 regions including the United States (US), Canada, Brazil, and the 27 European Union (EU) member states. A targeted literature review (TLR) was conducted using PubMed to identify relevant studies. Data were extracted on country, age group, migraine definition, prevalence and incidence. Supplementary data were obtained from Vizhub, an online tool that models disease burden using data from the Global Burden of Disease Study 2021. A gap analysis was conducted to identify evidence limitations. Of the 30 migraine studies included in the TLR, 28 reported on prevalence and 2 on incidence. Data were available for 13 of the 30 regions including 10 of 27 EU countries. Prevalence ranged from 0.15%-21.4% in the EU, 4.7%-32.2% in Brazil, 0.7%-9.4% in Canada, and 6.1%-12.3% in the US. Vizhub reported prevalence for ages 5-19: 7.1%-15.5% across the EU, 11% in Canada, 11.2% in the US, and 16.7% in Brazil. Incidence from the TLR was available only for Finland and the US. Evidence gaps included few studies, lack of studies matching the age range of interest, missing methodological details and variability in diagnostic criteria. These gaps highlight the need for well-designed, region-specific epidemiological studies on pediatric populations aged 6-17, with age stratification, and complete reporting to inform regulatory and reimbursement strategies for preventive therapies.
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 | 0,005 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,028 | 0,023 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».