Stroke care challenges in rural India: awareness of causes, preventive measures and treatment options of stroke among the rural communities.
Notice bibliographique
Résumé
Introduction: Management of stroke in the remote rural areas in India faces major challenges because of lack of awareness. Stroke care services can be optimally implemented only if the communities have an understanding of the disease. Method: A population based, cross sectional survey of an adult general population sample between the ages of 31-60 years in a rural block in Tamil Nadu, India was carried out to study their knowledge, attitude, beliefs about cause, signs and symptoms, preventive measures and treatment options of stroke. Results: Of the 174 subjects studied only 69% were aware of the term stroke and 63% were able to list the symptoms. Only a little more than half the participants (58%) were aware that diabetes, smoking and hypertension are risk factors for stroke. None of the participants were aware of the endovascular thrombolysis injection for better recovery from stroke. About quarter (23%) of the participants did not think that the stroke is an emergency condition and they need to take the patient urgently to the hospital. Only 56% of the participants had checked their blood pressure and 49% for diabetes. A history of having either hypertension or diabetes and stroke in the family was the only factor that was significantly associated with better awareness (p=<0.001) independent of other potential facilitating factors including age, occupation, education and gender. Conclusion: There is a need to educate the rural communities about the risk factors, how to recognize the onset, the preventive measures and optimum care of stroke to reduce the burden.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 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 ».