P2-42 Risk and social determinants of angina in older people in China: rose angina questionnaire and doctor-diagnosis approaches
Notice bibliographique
Résumé
Background The risk of angina and its social determinants in the elderly in China are not well documented. We determined the prevalence and socio-economic predictors of angina in Chinese elderly using the Rose Angina questionnaire and doctor-diagnosed of angina. Methods Using a standard interview method, we examined random samples of 4314 participants aged ≥60 years in Guangdong, Heilongjiang, Shanghai and Shanxi provinces during 2008–2009. An angina diagnosis was based on the Rose Angina questionnaire and a doctor-diagnosis. An age-sex adjusted logistic regression model was employed to determine the association between angina and sociodemographic variables. Results The world age-standardised prevalence of angina using the Rose Angina questionnaire (n=246) was 5.74% (95% CI 5.00% to 6.47%); in men 3.69% (2.75% to 4.63%), in women 7.22% (6.15% to 8.29%). Corresponding values for doctor-diagnosed angina (n=282) were 6.54% (5.76% to 7.32%); in men 5.08% (4.00% to 6.17%), in women 7.67% (6.56% to 8.77%). There was a fair agreement between two diagnoses (overall κ=0.38, in men 0.35, in women 0.40; all p<0.001). For both measures the likelihood of a diagnosis of angina was greater in women, heavier body weight, higher BMI, cigarette smoking and hypertension. Doctor diagnosed angina was associated with higher levels of educational attainment and higher occupation class, living in an urban area, taller height, larger waist circumference and diabetes. A diagnosis of angina based on the Rose Angina questionnaire was associated with low income only. Conclusions Older people in China may have a low prevalence of angina. The association between an angina diagnosis based on the Rose Angina questionnaire and low income, and between a doctor diagnosis of angina and high socioeconomic status and urban living suggests that significant health and care inequalities in cardiovascular medicine exist in China.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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 ».