Cardiovascular Diseases and Risk‐Factor Burden in Urban and Rural Communities in High‐, Middle‐, and Low‐Income Regions of China: A Large Community‐Based Epidemiological Study
Notice bibliographique
Résumé
Background Most cardiovascular diseases occur in low‐ and middle‐income regions of the world, but the socioeconomic distribution within China remains unclear. Our study aims to investigate whether the prevalence of cardiovascular diseases differs among high‐, middle‐, and low‐income regions of China and to explore the reasons for the disparities. Methods and Results We enrolled 46 285 individuals from 115 urban and rural communities in 12 provinces across China between 2005 and 2009. We recorded their medical histories of cardiovascular diseases and calculated the INTERHEART Risk Score for the assessment of cardiovascular risk‐factor burden, with higher scores indicating greater burden. The mean INTERHEART Risk Score was higher in high‐ and middle‐income regions than in low‐income regions (9.47, 9.48, and 8.58, respectively, P <0.0001). By contrast, the prevalence of total cardiovascular disease (stroke, ischemic heart disease, and other heart diseases that led to hospitalization) was lower in high‐ and middle‐income regions than in low‐income regions (7.46%, 7.42%, and 8.36%, respectively, P trend =0.0064). In high‐ and middle‐income regions, urban communities have higher INTERHEART Risk Score and higher prevalent rate than rural communities. In low‐income regions, however, the prevalence of total cardiovascular disease was similar between urban and rural areas despite the significantly higher INTERHEART Risk Score for urban settings. Conclusions We detected an inverse trend between risk‐factor burden and cardiovascular disease prevalence in urban and rural communities in high‐, middle‐, and low‐income regions of China. Such asymmetry may be attributed to the interregional differences in residents’ awareness, quality of healthcare, and availability and affordability of medical services.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».