The risk factors of CVA in Jordan
Notice bibliographique
Résumé
This study aimed to identify the main risk factors of cerebrovascular accident (CVA) in Jordan. Identification of risk factors may help to reduce the incidence of CVA. A form was prepared for data collection which consisted of two parts to gather biodata and the incidence of risk factors. A sample of 200 patients with CVA (60% men) were randomly selected from various areas of Jordan. An age, region distribution, and gender-matched sample were selected to serve as control. Hypertension in the experimental group (66%) was significantly higher than the control group (32%) p < 0.001. Half of the subjects with stroke had diabetes compared to 22% of the control group (p < 0.001). Cardiovascular diseases were found in 29% of subjects with CVA compared to 14% in the control group (p < 0.001). About 27% of the CVA group had hyperlipidemia in comparison to 13% in the controls (p < 0.002). Smokers represented 54% of the experimental group compared to 30% of the control group (p < 0.05). An important finding in the present study was that about half of the selected subjects with strokes were under the age of 60 years. In conclusion, hypertension, diabetes, cardiovascular diseases, hyperlipidemia, and smoking are risk factors for CVA in Jordan.
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 | 0,001 |
| 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 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 ».