Ethnic and age disparities in incidence of stroke over time: analysis from the South London Stroke Register over 16 years: (Oral presentation at: 22nd European Stroke Conference, London, May 28–31, 2013)
Notice bibliographique
Résumé
Objectives: To investigate ethnic and age disparities in stroke incidence over time from an inner-city population-based stroke register. Methods: Trends in stroke incidence and prior-to-stroke risk factors were investigated with the South London Stroke Register (SLSR), a population-based register, covering a multi-ethnic population of 271,817 inhabitants in South London with 63% white, 28% black, and 9% of other ethnic group. Age-, ethnicity- and sex- specific incidence rates with 95% confidence intervals were calculated assuming a Poisson distribution and their trends over time tested by the Cochran-Armitage test. Results: 4251 patients with first-ever stroke were registered between 1995 and 2010. Total stroke incidence reduced by 34.4% over the 16-year period from 202.6 to 132.9 per 100,000 population (p<0.0001). Similar declines in stroke incidence were observed in men (228.2 to 143.6) and women (177.9 to 121.4), white (190.6 to 126.2) and black (264.1 to 148.2), and patients aged over 55 years (658.4 to 419.5) (all significant with p<0.0001), but not in patients aged under 55 years (24 to 20.7, not significant with p>0.05). The mean age at stroke decreased significantly from 71.6 years in 1995-1998 to 69.4 years in 2007 2010 (p=0.0002). The proportion of all strokes aged < 55 years increased from 10% in 1995 to 20.4% in 2010. The reduction in prevalence of prior-to-stroke risk factors was mostly seen in white patients over 55 years, while an increase in diabetes was observed in younger black patients aged under 55 years. Conclusions: Total stroke incidence decreased over a 16-year time period. However, this was not seen in younger age groups. Stroke risk increased in younger age and black groups. The advances in risk factor reduction observed in white groups over age 55 years failed to be transferred to younger age groups for both black and white.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».