Screening for Atrial Fibrillation in Zambia’s Western Province
Notice bibliographique
Résumé
BACKGROUND: The prevalence of atrial fibrillation (AF) is increasing in sub-Saharan Africa and contributes to significant morbidity and mortality from stroke and other cardiovascular diseases. Case finding in some areas of the country, such as in rural Zambia is especially challenging with limited availability of ambulatory electrocardiogram monitoring devices. Moreover, there is very little qualitative research exploring Zambian patients’ experiences living with AF. AIMS: The two-fold purpose of this study was i) to explore the use of a screening tool for detecting AF in Western Province, Zambia and ii) to understand the patient experience of living with AF. SETTING: Mongu and Limulunga Districts in the Western Province of Zambia. METHODS: Mixed methods. Convenience sampling for both quantitative and qualitative arms of the study was used to recruit participants attending public ‘Health Checks.’ Quantitative data were collected by means of an interview-administered survey and qualitative data were obtained through individual interviews. RESULTS: An irregular manual pulse was found in 12.6% (n=33) of Zambians who attended the Health Checks and two participants were confirmed to have AF. Zambians with an irregular pulse had a significantly higher prevalence of hypertension and were significantly less sedentary than those without pulse irregularities. Two themes emerged from the interview with two patients diagnosed with AF: symptoms and healthcare access. CONCLUSION: Hypertension continues to be a problem in adult Zambians and is an independent risk factor for stroke and, when diagnosed in conjunction with AF, further compounds stroke risk. Access to screening and diagnostic care for AF is essential, especially in currently underserved rural areas. In addition, participants presented with unique risk factors, such as consolidated periods of exercise, that require further research to determine context and seasonal variation so as to improve education and prevention strategies.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».