An accessible screening program identifies hidden cardiovascular and renal risk factors in health care workers
Notice bibliographique
Résumé
Hypertension, diabetes mellitus and dyslipidemia are recognised as silent killers. Diagnosis depends on awareness and check up. Despite the awareness and access to health care, they go undetected and contribute to cardio-vascular and renal disease risk. A survey was conducted at a large urban academic Health centre with the aim to detect cardio-vascular and renal risk factors among individuals working or visiting an academic health sciences center. All subjects underwent a history, blood pressure recording [6 readings with an average of 5 and the first discarded], lab including fasting blood sugar, lipid profile and urine microalbuminuria. Six Hundred and Eight were screened over a two year period. The average age was 49.8 years and 61.5 % were females. 12.8% percent were already on hypertensive medications, 5.4% smoked, 2.9% were known diabetics and 6.5% were known dyslididemic. Among the known , 16 (2.6%) had uncontrolled BP. 90 [14.8%] new hypertensives were diagnosed. There were 21 with known diabetes, 9 with uncontrolled fasting blood glucose and 1 with microabluminuria. There were 9 [1.4%] found to have diabetes which was unkown and an additional 27 [4.4%] were found to have impaired fasting glucose. One patient with newfound DM already had microalbuminuria. The average was; cholesterol ; 5.46. HDL; 1.49 LDL 3.34. TGA 1.47. 19% of men had a Chol/ HDL ratio of > 4 and 4.9% of women had a Chol/ HDL ratio of > 5. was noted in 40 (6.8%) of the patients including 1/9 newly detected DM and 1 existing patient with DM, 9 with obesity and 30 with hypertension. From those screened, 15% had undiagnosed hypertension, 1.4% had undiagnosed diabetes and 6.8% of all patients had microalbuminuria. A large fraction of apparently healthy people working in an academic health sciences center had significant reversible risk factors for cardiovascular and renal disease unknown to them.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».