MétaCan
Menu
Retour à la cohorte

Prevalence of Hypertension among Patients Attending Mobile Medical Clinics in the Philippines after Typhoon Haiyan

2016· article· en· W2562684707 sur OpenAlexaff
Linda Meta Mobula, Mary Lou Fisher, Nathan Lau, Abi Estelle, Tom Wood, William Plyler

Notice bibliographique

RevuePLoS Currents · 2016
Typearticle
Langueen
DomaineHealth Professions
ThématiqueDisaster Response and Management
Établissements canadiensBow Valley College
Organismes subventionnairesnon disponible
Mots-clésMedicineDiabetes mellitusDiseaseMedical recordFamily medicineHealth careMedical emergencyInternal medicine

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: On November 8, 2013, Super Typhoon Haiyan struck the Philippines, causing a humanitarian emergency. According to the World Health Organization, non-communicable diseases (NCDs), also known as chronic diseases, are the leading cause of death and disability around the world. NCDs kill 38 million people each year. Sixteen million NCD deaths occur before the age of 70; 82% of which occurred in low- and middle-income countries. NCDs are further exacerbated during a crisis, and addressing them should be a concern of any medical disaster response. METHODS: We conducted a retrospective observational study to determine the prevalence of hypertension among patients seeking medical care at mobile medical clinics after Typhoon Haiyan in the Philippines. RESULTS: A total of 3,730 adults were evaluated at the mobile medical clinics. Analysis of the medical records revealed that the overall prevalence of hypertension among adult patients was 47%. Approximately 24% of adult females and 27% of adult males were classified with stage 2 Hypertension. CONCLUSIONS: Evidence-based guidelines on the management of hypertension and other NCDs (diabetes mellitus, cardiovascular disease, chronic lung disease and mental health) during humanitarian emergencies are limited. Clinical care of victims of humanitarian emergencies suffering with NCDs should be a critical part of disaster relief and recovery efforts. We therefore recommend the development of best practices and evidence based management guidelines of hypertension and other NCDs in post-disaster settings.

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 enseignants0,009
Score d'incertitude au seuil0,018

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 technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,079
Tête enseignante GPT0,384
Écart entre enseignants0,306 · 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

Citations16
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePLoS CurrentsMême sujetDisaster Response and ManagementTravaux en français237 207