Secular Trends in Ischemic Stroke Subtypes and Stroke Risk Factors
Notice bibliographique
Résumé
BACKGROUND AND PURPOSE: Early diagnosis and treatment of a stroke improves patient outcomes, and knowledge of the cause of the initial event is crucial to identification of the appropriate therapy to maximally reduce risk of recurrence. Assumptions based on historical frequency of ischemic subtypes may need revision if stroke subtypes are changing as a result of recent changes in therapy, such as increased use of statins. METHODS: We analyzed secular trends in stroke risk factors and ischemic stroke subtypes among patients with transient ischemic attack or minor or moderate stroke referred to an urgent transient ischemic attack clinic from 2002 to 2012. RESULTS: There was a significant decline in low-density lipoprotein cholesterol and blood pressure, associated with a significant decline in large artery stroke and small vessel stroke. The proportion of cardioembolic stroke increased from 26% in 2002 to 56% in 2012 (P<0.05 for trend). Trends remained significant after adjusting for population change. CONCLUSIONS: With more intensive medical management in the community, a significant decrease in atherosclerotic risk factors was observed, with a significant decline in stroke/transient ischemic attack caused by large artery atherosclerosis and small vessel disease. As a result, cardioembolic stroke/transient ischemic attack has increased significantly. Our findings suggest that more intensive investigation for cardiac sources of embolism and greater use of anticoagulation may be warranted.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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 ».