Notice bibliographique
Résumé
According to the World Health Organization (WHO), cardiovascular disease (CVD), which sits under the chronic disease umbrella, is the number one cause of death globally. Over time, we have witnessed different trends that have influenced the prevalence of CVD. One of the ways of decreasing CVD and its social costs and global fatalities is through influencing preventable CVD risk factors. Though many risk factors such as age and gender are not preventable, there are several effective behaviours that reduce the risk of CVD. To estimate the potential impact of various interventions on CVD, such as reducing blood pressure as a result of lowering sodium intake, or increasing awareness regarding healthy eating behaviour, we have used descriptive statistics and modelling. We estimated the impact of a gradual decrease in sodium intake on CVD mortality and morbidity in Canada (CA), United States (US), and Latin American (LA) countries. Our analysis shows that small changes in sodium intake at the population level can make an important difference in the total number of CVD events that can be prevented. Using data in Canada and France we also explored the potential role of individual decision making on daily sodium consumption. Our analysis showed that the main obstacle to consumers making healthier choices appears to be neither the availability of products, nor the price. Consumers may be more hampered by the difficulty of comparing food labels than by the availability of lower sodium products. Using Canadian data, we also examined the potential impact of having a positive family history of CVD on CVD mortality. Based on our analysis, father stroke before the age of 60 was a strong predictor for CVD mortality. Following this analysis, we used mathematical models, to improve our understanding of the impact on CVD of changes in the trend of CVD risk factors such as obesity, social and environmental influences. We investigated each of these risk factors separately, in order to have a clear foundation for more complex models. We also used a Fuzzy Cognitive Map (FCM) that considered a wide range of interactions and interrelationships between different CVD risk factors.
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 | 0,002 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,021 | 0,003 |
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 ».