MétaCan
Menu
← Retour à la cohorte
Enregistrement W2767293888 · doi:10.1161/str.48.suppl_1.tmp54

Abstract TMP54: Seasonal Patterns of Ischemic Stroke in the United States

2017· article· en· W2767293888 sur OpenAlexaff
Stacy Chu, Margueritte Cox, Gregg C. Fonarow, Eric E. Smith, Lee H. Schwamm, Deepak L. Bhatt, Ying Xian, Roland Matsouaka, Kevin N. Sheth

Notice bibliographique

RevueStroke · 2017
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate Change and Health Impacts
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésMedicineStroke (engine)Logistic regressionAtrial fibrillationOdds ratioIschemic strokeDemographyInternal medicineIschemia

Résumé

récupéré en direct d'OpenAlex

Background: Seasonal variation in stroke occurrence and outcomes has been reported in small populational studies but the significance of a seasonal effect is uncertain. The important patient and climate variables underlying this phenomenon have not yet been identified. Methods: Using Get With The Guidelines-Stroke data from 2011 to 2015, we studied 457,638 consecutive ischemic stroke patients at 896 sites. We calculated the relative prevalence of acute stroke admissions in each season. Baseline characteristics and discharge outcomes were compared across seasons and the effects of season, climate region (as defined by the National Climatic Data Center), and climate variables on outcomes were analyzed using logistic regression. In secondary analyses, odds ratios were calculated for various outcomes. Results: Among all cases of ischemic stroke, there was significant difference in the frequency distributions of cases across seasons (p<.0001), with the highest percentage of strokes occurring in winter (25.5%). Across seasons, winter patients had the highest percentage of atrial fibrillation (17.7%), longest median time to arrival (202 minutes), highest in-hospital mortality (4.4%), and most discharge mRS scores > 3 (43.7%). P<.0001 for all the above. Higher precipitation and temperature were associated with reduced mortality independent of climate region or season (OR .93, CI .89-.97, p=.0005 and OR .97, CI .97-.98, p<.0001, respectively). Odds ratios for in-hospital mortality are summarized in the accompanying table. Conclusions: More patients presented with acute ischemic stroke in winter relative to other seasons, accompanied by trends toward poorer outcomes. Although an association with mortality was seen for winter in our unadjusted analysis, confounding variables likely exist. Precipitation and temperature were independently associated with stroke 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)0,001
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,019
Score d'incertitude au seuil0,038

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,057
Tête enseignante GPT0,323
Écart entre enseignants0,266 · 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

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueStroke→Même sujetClimate Change and Health Impacts→Travaux en français237 207→