上海交大再发1区GBD！思路抓紧复刻
很多研究者最近在说GBD热度下降了，其实呢，和孟德尔一样👉是要做的更精了，本周顶刊、一二区GBD还是发了不少，上海交大又发一篇中科院1区。
标题：Global burden associated with rare infectious diseases of poverty in 2021: findings from the Global Burden of Disease Study 2021
⭕️研究背景：本研究聚焦于贫困相关的罕见传染病（rIDPs），这些疾病影响着全球数百万人，尤其是在贫困和边缘化地区。由于这些疾病在全球卫生议程中未能得到优先考虑，可能导致可持续发展进程受阻。研究旨在估计2021年rIDPs的疾病负担，为全球干预优先级设定和资源动员提供关键数据。
⭕️研究方法（详见图2）：研究利用2021年全球疾病负担研究（GBD）的数据，报告了rIDPs的患病率、死亡率、残疾调整生命年（DALYs）、残疾年（YLDs）和生命损失年（YLLs）的数字和年龄标准化率，并附带95%不确定性区间（UIs）。通过joinpoint回归分析评估了1990年至2021年间的时间趋势，并使用贝叶斯年龄-时期-队列模型预测2050年的疾病负担。
⭕️研究结果：2021年，全球有1.0376亿人口遭受rIDPs的影响，年龄标准化DALY率为每10万人口58.44（95% UI: 42.92, 77.26）。从1990年到2021年，年龄标准化DALY率平均每年下降0.16%。撒哈拉以南非洲、南亚和低社会人口指数国家的年龄标准化DALY率较高。15岁以下人口和15-49岁女性的年龄标准化DALY率较高。预测表明，到2050年rIDPs的疾病负担将略有减少。
数据分析报告
-
数据来源：
利用全球疾病负担研究（GBD）2021年的数据，通过全球健康数据交换查询工具（Global Health Data Exchange query tool）获取。
-
数据范围：
包括1990年至2021年的数据，涵盖371种疾病和伤害的年度发病率和死亡率估计，覆盖204个国家和地区。
-
贝叶斯Meta回归工具（DisMod-MR 2.1）：
用于建模并推导rIDPs疾病负担指标的估计值，整合所有可用数据并校正已知偏差。
-
数据检索：
获取1990年至2021年间的GBD估计值（死亡或伤害案例数）、患病率、死亡数、DALYs、YLDs和YLLs等指标，以及全球、SDI区域、GBD超区域、GBD亚区域和204个国家和地区的地理位置，所有年龄段、性别和年份的分类数据。
-
社会人口指标（SDI）：
根据国家人均收入、15岁以上人群的平均受教育年数和总生育率计算SDI，将国家和地区分为五个SDI组别。
-
数据分类：
根据ICD-10代码，将rIDPs定义为由寄生虫、细菌、病毒和非传染性疾病引起的疾病种群。
-
计算指标：
计算包括患病率、死亡率、DALY、YLD和YLL的年龄标准化率（ASR），并计算95%不确定性区间（UI）。
-
时间趋势分析：
使用joinpoint回归分析方法识别1990年至2021年间ASRs的显著变化年份（joinpoints），并将整个时间分割为多个子时间段。
-
年度百分比变化（APC）和平均年度百分比变化（AAPC）：
计算每个子时间段的年度变化率，并基于每个子时间段的时长计算AAPC。
-
子组分析：
根据年龄组、性别、SDI水平、超区域、亚区域和国家进行分层分析。
-
地理和时间变化展示：
开发地理和时间变化的可视化图表，展示ASRs的地理和时间变化。
-
与SDI值的关系：
使用平滑样条模型和局部加权散点图平滑（LOWESS）方法评估rIDPs负担与SDI值之间的关系。
-
贝叶斯年龄-时间-队列（BAPC）模型：
用于预测2050年的ASRs，包括ASPR、ASMR、年龄标准化DALY、YLD和YLL。
-
预测负担计算：
基于WPP世界人口预测数据计算预测负担指标。
⭕️文章总结：本研究基于GBD 2021数据，揭示了rIDPs在全球的疾病负担，特别是在低SDI地区和年轻及女性人群中的高负担。尽管过去三十年疾病负担有所下降，但进展缓慢，表明需要更多针对性的健康策略和资源分配，以进一步控制rIDPs并在全球范围内消除贫困。
🔥如果你也想基于GBD挖掘或者其他公共数据库学习并发表自己的SCI，可以扫码
🙌本号长期更新医学SCI思维拆解、动态分享前沿发文技能，欢迎大家的支持 !
