Multimorbidity at sea level and high-altitude urban and rural settings: The CRONICAS Cohort Study
Notice bibliographique
Résumé
OBJECTIVE: To characterize the prevalence and clustering of multimorbidity in four diverse geographical settings in Peru. METHODS: Multimorbidity, defined as having ≥2 chronic conditions, was studied in adults aged ≥35 years in four diverse settings in Peru: Lima, Tumbes, and urban and rural Puno. Six of these conditions (alcohol disorder, asthma, chronic obstructive pulmonary disease, depression, diabetes, and hypertension) were cataloged as objectively ascertained chronic conditions and paired in dyads to explore clusters of multimorbidity. RESULTS: We analyzed data from 2890 adults, mean age 55.2 years, 49% males. Overall, 19.1% of participants had multimorbidity, ranging from 14.7% in semi-urban Tumbes to 22.8% in Lima. The dyads with the highest coexistence (approximately 20%) were observed in hypertension and diabetes in Tumbes, whereas the dyads with lowest coexistence (approximately 1%) were those involving asthma in all study sites. In terms of clusters, Tumbes showed a predominance of hypertension and diabetes, urban and rural Puno a predominance of depression and alcohol disorders, and Lima a higher degree of coexistence of all of the six conditions than in the other clusters. CONCLUSION: Multimorbidity is common and the pattern of clusters is highly heterogeneous. The conditions to prioritize will vary in each setting.
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 | 0,001 | 0,000 |
| 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 ».