Blood Pressure States Transition Inference Based on Multi-State Markov Model
Notice bibliographique
Résumé
The investigation of risk factors associated with hypertension patients has been extensively studied in the past decades. However, the pattern of natural progressive trajectories to hypertension from nonhypertensive states was rarely explored. In this study, we are interested in discovering the underlying transition patterns between different blood pressure states, namely normal state, elevated state, and hypertensive state among the working population in the United States. A multi-state Markov model was built based on 88,966 clinical records from 34,719 participants we collected during the worksite preventive screening from 2012 to 2018. We first investigated the various risk factors, and we found that body mass index (BMI) is the most critical factor for developing new-onset hypertension. The transition probabilities, survival probabilities, and sojourn time of each state were derived given different levels of BMI, age groups, and gender categories. We found the underweight participants are more likely to remain in the current nonhypertensive states within 3 years, while extremely obese participants have a higher probability of developing hypertension. We discovered the distinct transition patterns among male and female participants. On average, the sojourn time in the normal state for normal-weight participants is 4.33 years for females and 2.18 years for their male counterparts. For the extremely obese participants, the average sojourn time in the normal state is 1.38 years for females and 0.71 years for males. In the end, a web-based graphical user interface (GUI) application was developed for clinicians to visualize the impact of behavioral interventions on delaying the progression of hypertension. Our analysis can provide a unique insight into hypertension research and proactive interventions.
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 | 0,000 | 0,000 |
| 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 | 0,000 |
| Communication savante | 0,000 | 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) | 0,000 | 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 ».