Notice bibliographique
Résumé
Background Although cardiovascular disease (CVD) is of growing importance in low- and middle-income countries (LMICs), there are conflicting views regarding CVD as a major public health problem for the urban poor, including those living in slums. We examined multivariable risk prediction in a slum population and assessed the number of cardiovascular related deaths within 10 years of application of the tool. Methods We analysed data from a cross sectional survey conducted in the Nairobi Urban Health Demographic Surveillance population (residents of two slum communities) between May 2008 and April 2009. We used the World Health Organisation/International Society of Hypertension (WHO/ISH) cardiovascular risk prediction tool to examine 10-year risk of major CVD events in a slum population. 3063 men and women aged over 40 years with complete data for variables needed for the WHO/ISH risk prediction tool were eligible for inclusion in our analysis. CVD deaths in the cohort, reported up until June 2018 in regular demographic data collection rounds, with the cause identified through verbal autopsy are also presented. Non-fatal CVD events were not captured. Results The majority of study members (2895, 94.5%) were predicted to have ‘low’ risk (<10%) of a cardiovascular event over the next 10 years and just 51 (1.7%) to have ‘high’ CVD risk (≥20%). 91 CVD deaths were reported for the cohort up until June 2018. Of individuals classified as low risk, 74 (2.6%) were identified as having died of CVD. Nine (7.7%) of individuals classified at 10–20% risk and eight (15.9%) classified at >20% were identified as dying of CVD. Discussion To the best of our knowledge this is the first study to apply a multivariable risk prediction tool to a population in a slum or informal settlement. This is a low risk population profile in comparison to results from application of multivariable risk prediction tools in other LMIC populations. This indicates that CVD may be lesser issue in slums than in other areas of LMICs cities. We found evidence that the WHO/ISH tool distinguished groups at relatively lower or higher risk of CVD events. While the absolute risk in this population is over-estimated by the tool, this may be due to limitations in our study such as lack of data on non-fatal CVD events. Our findings have implications for health service planning in similar settings.
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 | 0,046 | 0,116 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,007 | 0,005 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,003 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,250 | 0,143 |
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 ».