Ethnic differences in 1-year mortality among patients hospitalised with heart failure
Notice bibliographique
Résumé
OBJECTIVE: The incidence of cardiovascular disease and the prevalence of risk factors have been shown to differ significantly across ethnic groups. The objective of this study was to examine the impact of ethnicity on 1-year mortality among patients with heart failure in a single payer healthcare system with universal access. DESIGN, SETTING AND PATIENTS: Alberta residents aged 20 years or older hospitalised with heart failure between 1 April 1999 and 31 December 2005 are included. Previously validated algorithms were used to assign ethnicity based on patient surname. Patients were categorised as white, Chinese or East Indian. MAIN OUTCOME MEASURE: One-year mortality after adjusting for baseline differences. RESULTS: 52 980 white, 851 Chinese, and 377 East Indian individuals were hospitalised with heart failure. Chinese patients were the oldest and had the highest rates of renal disease. East Indian patients were the youngest and had the highest rates of ischaemic heart disease and diabetes. One-year mortality rates were 31.0% among white patients, 38.7% among Chinese and 26.5% among East Indian patients (p<0.01). Adjusted HR (and 95% CI) for 1-year mortality among Chinese compared with white patients was 1.34 (1.20 to 1.49) and among East Indian compared with white patients it was 1.04 (0.85 to 1.27). These findings were consistent across various subgroups, including patients with incident heart failure. CONCLUSIONS: Ethnicity appears to modulate patient outcomes in heart failure. Chinese patients have significantly higher 1-year mortality rates compared with white patients; there appear to be no differences in mortality among East Indian and white patients.
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) | 0,000 | 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) | 0,001 | 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 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 ».