Cardiovascular and Cerebrovascular Disease Incidence Among 42785 Adults: The Thai Cohort Study, 2005-2013
Notice bibliographique
Résumé
BACKGROUND: Due to economic and social development in Thailand, cardiovascular disease (CVD) and cerebrovascular disease (CVA) have been gradually replacing infectious diseases and have become the main threat to health in this country. METHOD: This study used the 2005 baseline data of 42785 members of the Thai cohort study (TCS) to identify health risk factors correlated with incidence of CVD and/or CVA over 8 years (2005- 2013). We applied multivariate logistic regression to investigate associations between demographic and socioeconomic factors, health conditions, and personal lifestyle factors and CVD and/or CVA incidence. RESULTS: The cumulative incidence of CVD and/or CVA in males was more than three times that in females. CVD and/or CVA incidence was correlated with ageing, obesity (AOR: 1.67, 95% CI: 1.16-2.40) and previous diagnosis with diabetes (AOR: 3.09, 95% CI: 1.80-5.30), hyperlipidaemia (AOR: 1.54, 95% CI: 1.08-2.19), hypertension (AOR: 1.71, 95% CI: 1.13-2.59), chronic kidney disease (AOR: 2.35, 95% CI: 1.35-4.10), and depression/anxiety (AOR: 2.76, 95% CI: 1.64-4.63). Short sleep time was positively associated with CVD and/or CVA in the Thai Cohort Study. An inverse association between performing housework and the incidence of CVD and/or CVA was also identified. However, current smoking had a significant positive correlation with the incidence of CVD and/or CVA for participants. CONCLUSION: Older age, obesity, underlying diseases, short sleep time, and current smoking were the risk factors for CVD and/or CVA incidence for the participants. However, housework, as an incidental exercise, could protect people against the risk of CVD and/or CVA.
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 | 0,006 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| 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 ».