The contributions of risk factor trends to cardiometabolic mortality decline in 26 industrialized countries
Notice bibliographique
Résumé
BACKGROUND: Cardiovascular disease mortality has declined and diabetes mortality has increased in high-income countries. We estimated the potential role of trends in population body mass index, systolic blood pressure, serum total cholesterol and smoking in cardiometabolic mortality decline in 26 industrialized countries. METHODS: Mortality data were from national vital statistics. Body mass index, systolic blood pressure and serum total cholesterol were from a systematic analysis of population-based data. We estimated the associations between change in cardiometabolic mortality and changes in risk factors, adjusted for change in per-capita gross domestic product. We calculated the potential contribution of risk factor trends to mortality decline. RESULTS: Between 1980 and 2009, age-standardized cardiometabolic mortality declined in all 26 countries, with the annual decline between <1% in Mexico to ≈ 5% in Australia. Across the 26 countries together, risk factor trends may have accounted for ≈ 48% (men) and ≈ 40% (women) of cardiometabolic mortality decline. Risk factor trends may have accounted for >60% of decline among men and women in Finland and Switzerland, men in New Zealand and France, and women in Italy; their benefits were smallest in Mexican, Portuguese, and Japanese men and Mexican women. Risk factor trends may have slowed down mortality decline in Chilean men and women and had virtually no effect in Argentinean women. The contributions of risk factors to mortality decline seemed substantially larger among men than among women in the USA, Canada and The Netherlands. CONCLUSIONS: Industrialized countries have varied widely in the extent of risk factor prevention, and its likely benefits for cardiometabolic mortality.
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 | 0,005 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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 ».