Diverging Global Burden, Risk Factors, and Temporal Trends of Early-Onset and Late-Onset Dementia: A Comprehensive Analysis of the Global Burden of Disease Study 2021
Notice bibliographique
Résumé
INTRODUCTION: Early-onset dementia (EOD) and late-onset dementia (LOD) differ in etiology, clinical presentation, and societal impact. Characterizing their global burden and associated risk factors is essential for guiding targeted interventions and resource allocation. METHODS: We analyzed data from the Global Burden of Disease (GBD) 2021 study (1990-2021) to estimate incidence, mortality, and disability-adjusted life years (DALYs) for EOD (ages 40-64) and LOD (≥65 years) across 204 countries and territories. Age-standardized rates (ASRs) and estimated annual percentage changes (EAPCs) were calculated. Risk factors examined included smoking, high fasting plasma glucose (FPG), and high body mass index. Associations with the sociodemographic index (SDI) were assessed, and Bayesian age-period-cohort model was used to project trends to 2050. RESULTS: In 2021, global age-standardized incidence rates (ASIRs) were 63.58 per 100,000 for EOD and 1,173.19 per 100,000 for LOD. Corresponding age-standardized mortality rates (ASMRs) and age-standardized DALY (AS-DALY) rates were substantially higher for LOD. Point estimates for ASRs were consistently higher for females than for males across all metrics. From 1990 to 2021, the burden of EOD increased (ASIR EAPC = 0.13; ASMR EAPC = 0.08; AS-DALY EAPC = 0.08), while LOD trends remained largely stable. Regional variation was observed, with EOD burden highest in China, Canada, Brazil, and the USA and LOD in China, Germany, Italy, and Lebanon. Metabolic risks, particularly high FPG, were major contributors to LOD. SDI was positively correlated with LOD burden (r = 0.176; p < 0.001), indicating a weak but statistically significant association. Projections indicate that EOD cases will increase by 160% and LOD cases by 479% by 2050. CONCLUSIONS: The global dementia burden is rising, with distinct epidemiological patterns for EOD and LOD. Age- and region-specific risk factor profiles highlight the need for tailored prevention strategies, informed healthcare planning, and differentiated clinical management.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».