Increasing Prevalence of Hypertension Among Patients With Thoracic Aorta Dissection: Trends Over Eight Decades—A Structured Meta-analysis
Notice bibliographique
Résumé
BACKGROUND: This structured metaanalysis focused on determining the relationship between hypertension (HTN) and thoracic aortic dissection (TAD). METHODS: Electronic searches were conducted using the MedLine database, for the period 1946 through May 2013, and manual searches from reference lists. Demographic data, patient diagnosis, and HTN prevalence were extracted from each study. Data were analyzed using weighted averages, metaanalysis, analysis of variance, trend analysis, and multivariate analysis. RESULTS: A total of 8,086 cases of TAD from 75 studies over eight decades were assessed. Overall prevalence of HTN in TAD was 66.7% ± 17.5%. An increase of approximately 5.6% in HTN prevalence in TAD cases occurred in every decade. Prevalence of HTN in type A dissections steadily increased, with an overall prevalence of 64.8% ± 21.3%, while in type B dissections, prevalence abruptly increased from 1950 to 1970 and remained constant thereafter, with an overall prevalence of 78.7% ± 8.6%. Trend analysis demonstrated significant (P < 0.001) and linear increasing trends for the prevalence of HTN and age at presentation. Multivariate analysis demonstrated that a history of HTN was significantly (P < 0.001) associated with increasing trends of over time, which was independent of the relationship between age and TAD. CONCLUSIONS: The proportion of TAD patients with HTN has been increasing over eight decades. Age at presentation of TAD has also been incrementally increasing, but the increase in HTN was independent of age in multivariate analysis. The trend for increasing HTN prevalence was more evident in type A TAD. These data highlight a need to focus on HTN management in patients with thoracic aortic aneurysm.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,007 | 0,004 |
| Bibliométrie | 0,001 | 0,002 |
| 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 | 0,000 |
| 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 ».