Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Background: Indonesia Basic Health Research 2007 on 33 provinces showed that prevalence of stroke was 8.2 per 1000 population, and the highest prevalence came from province of Aceh (16.6/‰). Stroke was also the number 1 killer in Indonesia (15.4%), Methods: Prospective observational study was carried out from October 2012 until April 2013 using standardized Stroke Case Report Form. 11 hospital involved in this epidemiology research. Results: 1807 stroke patients collected from October 2012 - April 2013, Ischemic stroke accounted for the majority of cases (67.1%) and hemorrhagic was 32.9%. and hypertension is the most common risk factor for both hemorrhage (71.2%) and ischemic stroke (63.4%), followed by diabetes mellitus and dyslipidemia. Mortality was recorded 20.3% death after 48 hours, 18.3% ≤ 48hours in stroke hemorrhage, compared with 8.3% death in stroke ischemic after 48 hours, and 3.5% ≤ 48 hours. Data of recurrence stroke showed relatively high in both types of stroke. It was also evaluated the functional and cognitive outcome by using NIHSS, Barthel Index, and MMSE, MoCA-Ina (Montreal Cognitive Assessment Indonesia). Conclusion: Having the high prevalence of first ever and recurrent stroke, hypertension is the most common risk factor for both ischemic and hemorrhage stroke. This study was very useful for our country and our specialty to make some national plans to educate people to modify the life style, to train the general practitioners in primary health care as the first gate health service to provide community program for controlling some risk factors of stroke, Those must be the first priority of combating stroke in Indonesia Keywords: Stroke registry, risk factor, functional outcome, cognitive outcome Disclosure: Center for Applied Health Technology and Clinical Epidemiology, National Institute of Health Research and Development, Ministry of Health Republic Indonesia
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.
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) | 0,000 | 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 | 0,000 |
| 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 découle