Global, regional, and national prevalence, incidence, mortality, and risk factors for atrial fibrillation, 1990–2017: results from the Global Burden of Disease Study 2017
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
AIMS: To estimate the prevalence, incidence, mortality, and risk factors for atrial fibrillation (AF) in 195 countries and territories from 1990 to 2017. METHODS AND RESULTS: Following the methodologies used in the Global Burden of Disease Study 2017, the prevalence, incidence, and mortality of AF were analysed by age, sex, year, socio-demographic index (SDI), and location. The percentage contributions of major risk factors to age-standardized AF deaths were measured by population attributable fractions. In 2017, there were 37.57 million [95% uncertainty interval (UI) 32.55-42.59] prevalent cases and 3.05 million (95% UI 2.61-3.51) incident cases of AF globally, contributing to 287 241 (95% UI 276 355-304 759) deaths. The age-standardized rates of prevalent cases, incident cases, and deaths of AF in 2017 and their temporal trends from 1990 to 2017 varied significantly by SDI quintile and location. High systolic blood pressure was the leading risk factor for AF age-standardized deaths [34.3% (95% UI 27.4-41.5)] in 2017, followed by high body mass index [20.7% (95% UI 11.5-32.2)] and alcohol use [9.4% (95% UI 7.0-12.2)]. CONCLUSION: Our study has systematically and globally assessed the temporal trends of AF, which remains a major public heath challenge. Although AF mainly occurred in developed countries, the unfavourable trend in countries with lower SDI also deserves particular attention. More effective prevention and treatment strategies aimed at counteracting the increase in AF burden should be established in some countries.
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.
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 | 0,003 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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 découle