Cardiovascular Risk and Events in 17 Low-, Middle-, and High-Income Countries
Notice bibliographique
Résumé
BACKGROUND: More than 80% of deaths from cardiovascular disease are estimated to occur in low-income and middle-income countries, but the reasons are unknown. METHODS: We enrolled 156,424 persons from 628 urban and rural communities in 17 countries (3 high-income, 10 middle-income, and 4 low-income countries) and assessed their cardiovascular risk using the INTERHEART Risk Score, a validated score for quantifying risk-factor burden without the use of laboratory testing (with higher scores indicating greater risk-factor burden). Participants were followed for incident cardiovascular disease and death for a mean of 4.1 years. RESULTS: The mean INTERHEART Risk Score was highest in high-income countries, intermediate in middle-income countries, and lowest in low-income countries (P<0.001). However, the rates of major cardiovascular events (death from cardiovascular causes, myocardial infarction, stroke, or heart failure) were lower in high-income countries than in middle- and low-income countries (3.99 events per 1000 person-years vs. 5.38 and 6.43 events per 1000 person-years, respectively; P<0.001). Case fatality rates were also lowest in high-income countries (6.5%, 15.9%, and 17.3% in high-, middle-, and low-income countries, respectively; P=0.01). Urban communities had a higher risk-factor burden than rural communities but lower rates of cardiovascular events (4.83 vs. 6.25 events per 1000 person-years, P<0.001) and case fatality rates (13.52% vs. 17.25%, P<0.001). The use of preventive medications and revascularization procedures was significantly more common in high-income countries than in middle- or low-income countries (P<0.001). CONCLUSIONS: Although the risk-factor burden was lowest in low-income countries, the rates of major cardiovascular disease and death were substantially higher in low-income countries than in high-income countries. The high burden of risk factors in high-income countries may have been mitigated by better control of risk factors and more frequent use of proven pharmacologic therapies and revascularization. (Funded by the Population Health Research Institute and others.).
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 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 ».