Socioeconomic Status and Long-Term Stroke Mortality, Recurrence and Disability in Iran: The Mashhad Stroke Incidence Study
Notice bibliographique
Résumé
BACKGROUND: Little is known about the association between socioeconomic status and long-term stroke outcomes, particularly in low- and middle-income countries. METHODS: Patients were recruited from the Mashhad Stroke Incidence Study in Iran. We identified different socioeconomic variables including the level of education, occupation, household size, and family income. Residential location according to patient's neighbourhood was classified into less privileged area (LPA), middle privileged area and high privileged area (HPA). Using Cox regression, competing risk analysis and logistic regression models, we determined the association between socioeconomic status and 1- and 5-year stroke outcomes. Generalized linear model was used for adjusting associated variables for stroke severity. RESULTS: Six hundred twenty-four patients with first-ever stroke were recruited in this study. Unemployment prior to stroke was associated with an increased risk of 1- and 5-year post-stroke mortality (1 year: adjusted hazard ratio [aHR] 3.3; 95% CI 1.6-7.06: p = 0.001; 5 years: aHR 2.1; 95% CI 1.2-3.6: p = 0.007). The 5-year mortality rate was higher in less educated patients (<12 years) as compared to those with at least 12 years of schooling (aHR 1.84; 95% CI 1.05-3.23: p = 0.03). Patients living in LPA compared to those living in HPAs experienced a more severe stroke at admission (aB 3.84; 95% CI 0.97-6.71, p = 0.009) and disabling stroke at 1 year follow-up (OR 6.1; 95% CI 1.3-28.4; p = 0.02). CONCLUSION: A comprehensive stroke strategy should also address socioeconomic disadvantages.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 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) | 0,000 | 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 tête enseignante, 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 ».