MétaCan
Menu
Retour à la cohorte
Enregistrement W2528209463 · doi:10.20882/adicciones.726

Reduction of mortality following better detection of hypertension and alcohol problems in primary health care in Spain

2016· article· en· W2528209463 sur OpenAlexaff
Jürgen Rehm, Gerrit Gmel, Cristina Sierra, Antoni Gual

Notice bibliographique

RevueAdicciones · 2016
Typearticle
Langueen
DomaineMedicine
ThématiqueAlcohol Consumption and Health Effects
Établissements canadiensPublic Health OntarioUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMedicinePsychological interventionAlcoholBlood pressureAlcohol intakePopulationGynecologyDemographyEnvironmental healthInternal medicinePsychiatry

Résumé

récupéré en direct d'OpenAlex

Through a simulation study, we estimated the potential effects of better detection of hypertension and improved screening for alcohol problems with subsequent interventions. Results showed that if 50% of Spanish males between 40 and 64 years of age who are currently unaware of their hypertension become aware of their condition and receive the usual treatment, and 50% of these males with hypertension are screened for alcohol and are treated for hazardous drinking or alcohol use disorders, then the percentage of uncontrolled hypertension among men with hypertension decreases from 61.2% to 55.9%, i.e. by 8.6%, with about 1/3 of the effect due to the alcohol intervention. For women, likewise, these interventions would decrease the percentage of women in the same age group with uncontrolled hypertension by 7.4% (about 40% due to the alcohol intervention). The reduction of blood pressure in the population would avoid 412 premature CVD deaths (346 in men, 66 in women) within one year. Therefore, better detection of hypertension and screening for alcohol with subsequent interventions would result in marked reductions of uncontrolled hypertension and CVD 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 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)0,005
score de la tête « metaresearch » (Gemma)0,011
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,090
Score d'incertitude au seuil0,180

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,011
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,069
Tête enseignante GPT0,336
Écart entre enseignants0,268 · 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

Citations10
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdiccionesMême sujetAlcohol Consumption and Health EffectsTravaux en français237 207