Diabetes and cardiovascular disease in South Asians: A global perspective
Notice bibliographique
Résumé
South Asians (Indians, Pakistanis, Bangladeshis, and Sri Lankans), have very high incidence of metabolic diseases, such as hypertension, abdominal obesity, metabolic syndrome, type-2 diabetes, and vascular disease. To create awareness, develop educational and preventive strategies, we started a professional society, South Asian Society on Atherosclerosis and Thrombosis (SASAT) in 1993, at the University of Minnesota. Since that time, we have organized fifteen international conferences in India and published several monographs on this topic. In our conferences, we have discussed all aspects of epidemiology, risk factors, and excess burden of these diseases in this ethnic group in India and abroad. In general, South Asians seem to have excess incidence of diabetes and coronary artery disease, no matter which country they live. There are speculations about the reasons for this excess; however, no definite risk factor or a cluster of risks have been attributed to be responsible for this excess disease burden. National health programs in various countries, such as the UK, and Canada, with large number of South Asian Immigrants, have developed ethnic-specific preventive measures. The World Health Organization has issued special guidelines about the BMI cutoff, for this ethnic group. During the tenure of the President William Clinton, recognizing the important role the South Asian community has played in the USA, he recommended some studies related to their health. Again in 2009, President Barack Obama signed an executive order, calling for strategies to improve the health of Asian Americans. In a recent issue of the Journal of Circulation, the American Heart Association has published a scientific statement about the atherosclerotic disease in the South Asians living in the USA. The Vice chair of one of the councils, Dr Latha Palaniappan also has published a companion report called, “Call to Action”: A science advisory from the AHA. In this overview, we will discuss briefly the work of SASAT, and present our views with a global perspective.
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 | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,004 | 0,006 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,005 | 0,007 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,006 | 0,010 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».