Notice bibliographique
Résumé
BACKGROUND: Cardiovascular disease (CVD) is one of the most serious health challenges facing women today. Investigations into CVD risk factors specific to women have focused primarily on sex-based differences, with little attention paid to gender-based influences. Abuse, such as child abuse, intimate partner violence, and sexual assault, is a serious gendered issue affecting one quarter to one-half of all women within their lifetime. Despite beginning evidence that abuse may increase CVD risk in women, the biological, behavioral, and psychological pathways linking abuse to CVD have received little attention from researchers and clinicians. PURPOSE: The aim of this study was to propose a conceptual model that delineates the pathways by which abuse may increase CVD risk among women. Within the model, lifetime abuse is positioned as a chronic stressor affecting CVD risk through direct and indirect pathways. Directly, abuse experiences can cause long-term biophysical changes within the body, which increase the risk of CVD. Indirectly, smoking and overeating, known CVD risk behaviors, are common coping strategies in response to abuse. In addition, women with abuse histories frequently report depressive symptoms, which can persist for years after the abusive experience. Depressive symptoms are a known predictor of CVD and can potentiate CVD risk behaviors. Therefore, depressive symptoms are proposed as a mediator between lifetime abuse and CVD as well as between lifetime abuse and CVD risk behaviors. CONCLUSIONS AND CLINICAL IMPLICATIONS: To better promote cardiovascular health among women and direct appropriate interventions, nurses need to understand the complex web by which abuse may increase the risk for CVD. In addition, nurses need to not only pay attention to an abuse history and symptoms of depression for women presenting with CVD symptoms but also address CVD risk among women with abusive histories.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,006 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».