Variations in knowledge, awareness and treatment of hypertension and stroke risk by country income level
Notice bibliographique
Résumé
OBJECTIVE: Hypertension is the most important modifiable risk factor for stroke globally. We hypothesised that country-income level variations in knowledge, detection and treatment of hypertension may contribute to variations in the association of blood pressure with stroke. METHODS: We undertook a standardised case-control study in 32 countries (INTERSTROKE). Cases were patients with acute first stroke (n=13 462) who were matched by age, sex and site to controls (n=13 483). We evaluated the associations of knowledge, awareness and treatment of hypertension with risk of stroke and its subtypes and whether this varied by gross national income (GNI) of country. We estimated OR and population attributable risk (PAR) associated with treated and untreated hypertension. RESULTS: Hypertension was associated with a graded increase in OR by reducing GNI, ranging from OR 1.92 (99% CI 1.48 to 2.49) to OR 3.27 (2.72 to 3.93) for highest to lowest country-level GNI (p-heterogeneity<0.0001). Untreated hypertension was associated with a higher OR for stroke (OR 5.25; 4.53 to 6.10) than treated hypertension (OR 2.60; 2.32 to 2.91) and younger age of first stroke (61.4 vs 65.4 years; p<0.01). Untreated hypertension was associated with a greater risk of intracerebral haemorrhage (OR 6.95; 5.61 to 8.60) than ischaemic stroke (OR 4.76; 3.99 to 5.68). The PAR associated with untreated hypertension was higher in lower-income regions, PAR 36.3%, 26.3%, 19.8% to 10.4% by increasing GNI of countries. Lifetime non-measurement of blood pressure was associated with stroke (OR 1.80; 1.32 to 2.46). CONCLUSIONS: Deficits in knowledge, detection and treatment of hypertension contribute to higher risk of stroke, younger age of onset and larger proportion of intracerebral haemorrhage in lower-income 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.
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 | 0,002 | 0,006 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».