MétaCan
Menu
Retour à la cohorte
Enregistrement W2167969973 · doi:10.1001/jama.297.3.286

Risk Factors for Early Myocardial Infarction in South Asians Compared With Individuals in Other Countries

2007· article· en· W2167969973 sur OpenAlexaff
Shofiqul Islam, Prem Pais, Srinath Reddy, Khawar Kazmi, Mrigendra Raj Pandey, Sirajul Haque, Shanthi Mendis, Sumathy Rangarajan, Salim Yusuf

Notice bibliographique

RevueJAMA · 2007
Typearticle
Langueen
DomaineMedicine
ThématiqueAcute Myocardial Infarction Research
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésMedicineMyocardial infarctionDemographyDiabetes mellitusAlcohol consumptionRisk factorInternal medicineWaistRelative riskBody mass indexConfidence intervalEndocrinologyAlcohol

Résumé

récupéré en direct d'OpenAlex

CONTEXT: South Asians have high rates of acute myocardial infarction (AMI) at younger ages compared with individuals from other countries but the reasons for this are unclear. OBJECTIVE: To evaluate the association of risk factors for AMI in native South Asians, especially at younger ages, compared with individuals from other countries. DESIGN, SETTING, AND PARTICIPANTS: Standardized case-control study of 1732 cases with first AMI and 2204 controls matched by age and sex from 15 medical centers in 5 South Asian countries and 10,728 cases and 12,431 controls from other countries. Individuals were recruited to the study between February 1999 and March 2003. MAIN OUTCOME MEASURE: Association of risk factors for AMI. RESULTS: The mean (SD) age for first AMI was lower in South Asian countries (53.0 [11.4] years) than in other countries (58.8 [12.2] years; P<.001). Protective factors were lower in South Asian controls than in controls from other countries (moderate- or high-intensity exercise, 6.1% vs 21.6%; daily intake of fruits and vegetables, 26.5% vs 45.2%; alcohol consumption > or =once/wk, 10.7% vs 26.9%). However, some harmful factors were more common in native South Asians than in individuals from other countries (elevated apolipoprotein B(100) /apolipoprotein A-I ratio, 43.8% vs 31.8%; history of diabetes, 9.5% vs 7.2%). Similar relative associations were found in South Asians compared with individuals from other countries for the risk factors of current and former smoking, apolipoprotein B100/apolipoprotein A-I ratio for the top vs lowest tertile, waist-to-hip ratio for the top vs lowest tertile, history of hypertension, history of diabetes, psychosocial factors such as depression and stress at work or home, regular moderate- or high-intensity exercise, and daily intake of fruits and vegetables. Alcohol consumption was not found to be a risk factor for AMI in South Asians. The combined odds ratio for all 9 risk factors was similar in South Asians (123.3; 95% confidence interval [CI], 38.7-400.2] and in individuals from other countries (125.7; 95% CI, 88.5-178.4). The similarities in the odds ratios for the risk factors explained a high and similar degree of population attributable risk in both groups (85.8% [95% CI, 78.0%-93.7%] vs 88.2% [95% CI, 86.3%-89.9%], respectively). When stratified by age, South Asians had more risk factors at ages younger than 60 years. After adjusting for all 9 risk factors, the predictive probability of classifying an AMI case as being younger than 40 years was similar in individuals from South Asian countries and those from other countries. CONCLUSION: The earlier age of AMI in South Asians can be largely explained by higher risk factor levels at younger ages.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,024
Tête enseignante GPT0,307
Écart entre enseignants0,282 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1 018
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJAMAMême sujetAcute Myocardial Infarction ResearchTravaux en français237 207