All-cause mortality and risk factors in a cohort of retired military male veterans, Xi'an, China: an 18-year follow up study
Notice bibliographique
Résumé
BACKGROUND: Risk factors of all-cause mortality have not been reported in Chinese retired military veterans. The objective of the study was to examine the risk factors and proportional mortality in a Chinese retired military male cohort. METHODS: A total of 1268 retired military men aged 55 or older were examined physically and interviewed using a standard questionnaire in 1987. The cohort was followed up every two years and the study censored date was June30, 2005 with a follow-up of up to 18 years. Death certificates were obtained from hospitals and verified by two senior doctors. Data were entered (double entry) by Foxbase, and analysis was carried out by SAS for Windows 8.2. Multivariate Cox proportional hazard regression model was used to compute hazard ratio (HR) and 95% confidence interval (CI). RESULTS: The total person-years of follow-up was 18766.28. Of the initial cohort of 1268 men, 491 had died, 748 were alive and 29 were lost to follow up. Adjusted mortality (adjusted for age, blood pressure, body mass index, cholesterol, triglycerides, alcohol, exercise, and existing disease) was 2,616 per 100,000 person years. The proportional mortality of cancer, vascular disease and Chronic Obstructive Pulmonary Disease (COPD) were 39.71%, 28.10% and 16.90% respectively. Multivariate analysis showed that age, cigarettes per day, systolic blood pressure, triglyceride, family history of diseases (hypertension, stroke and cancer), existing diseases (stroke, diabetes and cancer), body mass index, and age of starting smoking were associated with all-cause mortality, HR (95%CI) was1.083(1.062-1.104), 1.026(1.013-1.039), 1.009(1.003-1.015), 1.002(1.001-1.003), 1.330(1.005-1.759), 1.330(1.005-1.759), 1.444(1.103-1.890), 2.237(1.244-4.022), 1.462(1.042-2.051), 2.079(1.051-4.115), 0.963(0.931-0.996)and 0.988(0.978-0.999)respectively. Compared with never-smokers, current smokers had increased risks of total mortality [HR 1.369(1.083-1.731)], CHD [HR 1.805 (1.022-3.188)], and lung cancer [HR 2.939 (1.311-6.585)]. CONCLUSION: The three leading causes of diseases were cancer, CHD and stroke, and COPD. Aging, cigarette smoking, high systolic blood pressure, high triglyceride, family history of cancer, hypertension and stroke, existing cases recovering from stroke, diabetes and cancer, underweight, younger age of smoking were risk factors for all-cause mortality. Quitting cigarette smoking, maintaining normal blood pressure, triglyceride and weight are effect control strategies to prevent premature mortality in this military cohort.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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) | 0,001 | 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 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 ».