Cardiovascular risk factors in Croatia: struggling to provide the evidence for developing policy recommendations
Notice bibliographique
Résumé
Reliable epidemiological data on cardiovascular risk factors in Croatia have been lacking. This new study identifies targets for interventions Cardiovascular disease is the major cause of death in most European transitional countries.1 Among these countries, standardised mortality from cardiovascular disease is highest in Hungary (508 per 100 000 population) and Croatia (500/100 000) and lowest in Slovenia (295/100 000) and central European countries (238/100 000). In Croatia, cardiovascular disease is the leading cause of death and accounts for more than half the overall mortality.1 Furthermore, cardiovascular mortality has been constantly rising since the 1970s. Until recently, no reliable epidemiological data were available on the prevalence of cardiovascular risk factors in the Croatian population. The existing studies only comprised small unrepresentative samples and provided conflicting results. Hence, there was no evidence base for developing policy on reducing the burden of cardiovascular disease in the future and recommending interventions for people with cardiovascular risk factors.2 3 In collaboration with the Canadian Society for International Health, we conducted the Croatian adult health survey in the summer of 2003 among citizens aged 18 and older. After we stratified the country by region (as defined by the Croatian Central Bureau of Statistics), the sample comprised 10 766 randomly selected households; 9070 individuals agreed to participate (overall response rate 84.2%). This was the first representative population survey to be conducted in Croatia.
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 | 0,087 | 0,231 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,002 |
| Bibliométrie | 0,007 | 0,005 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,011 | 0,009 |
| Science ouverte | 0,009 | 0,007 |
| Intégrité de la recherche | 0,014 | 0,021 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,002 |
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 ».