Abstract TMP49: Increasing Prevalence of Cerebrovascular Risk Factors in Native Americans With Ischemic Stroke
Notice bibliographique
Résumé
Introduction: Prior epidemiological studies have reported ethnic differences in cerebrovascular risk factors. There is a paucity in the literature detailing the burden of these risk factors in the Native American population. We aim to elucidate the risk factor prevalence in the Native Americans with IS. Methods: Data were extracted from the Cerner electronic health record database which is a nationwide database of about 700 hospitals across the United States. We retrospectively identified IS patients encompassing all ages who were of Native American ethnicity during the years 2000-2016. Demographic parameters and cerebrovascular risk factors were collected. Results: Of the 5540 patients belonging to Native American ethnicity diagnosed with stroke from 2000 to 2016, 4729 had IS. Of these patients, 2175 (46%) were male, 3145 (66.6%) had a diagnosis of hypertension (HTN), 1834 (38.8%) had diabetes mellitus (DM), 1102 (23.4%) had coronary artery disease (CAD), 1020 (21.6%) were smokers, 583 (12.3%) had heart failure (HF), 495 (10.5%) had atrial fibrillation, and 65 (1.4%) had a diagnosis of atrial flutter. Trends in risk factors over time were analyzed using logistic regression model adjusted for age and gender, with year range of subgroup as the independent variable. Except for DM all other cerebrovascular risk factors including HF (p=0.02), HTN (p<0.001), CAD (p<0.015), atrial fibrillation (p<0.006), atrial flutter (p=0.01), and smoking (p<0.001) showed a statistically significant increasing prevalence during the years 2000 to 2016. Conclusion: We recognized increasing prevalence of cerebrovascular risk factors in Native American patients with ischemic stroke. These results highlight the importance of stroke prevention aimed at the Native American population by targeting individual cerebrovascular risk factors.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».