MétaCan
Menu
Retour à la cohorte
Enregistrement W3120573899 · doi:10.1371/journal.pone.0245388

Impact of salt intake reduction on CVD mortality in Costa Rica: A scenario modelling study

2021· article· en· W3120573899 sur OpenAlexafffund
Jaritza Vega-Solano, Adriana Blanco‐Metzler, Karol Madriz-Morales, Eduardo Augusto Fernandes Nilson, Marie‐Ève Labonté

Notice bibliographique

RevuePLoS ONE · 2021
Typearticle
Langueen
DomaineNursing
ThématiqueSodium Intake and Health
Établissements canadiensUniversité Laval
Organismes subventionnairesInternational Development Research Centre
Mots-clésEnvironmental healthMedicineStroke (engine)Mortality rateBurden of diseasePopulationDemographyConsumption (sociology)DiseaseCause of deathBlood pressureInternal medicine

Résumé

récupéré en direct d'OpenAlex

Cardiovascular diseases (CVD) represent the leading cause of death in Costa Rica and high blood pressure was associated with a mortality rate of 29% in 2018. The average household sodium intake in the country is also two times higher than the World Health Organization recommendation. The objective of this study was to estimate the impact of reducing salt intake on CVD mortality in Costa Rica using a scenario simulation model. The Preventable Risk Integrated ModEl (PRIME) was used to estimate the number of deaths that would be averted or delayed in the Costa Rican population by following the national and the international guidelines to reduce salt consumption, according to two scenarios: A) 46% reduction and B) 15% reduction, both at an energy intake of 2171 kcal. The scenarios estimated that between 4% and 13%, respectively, of deaths due to CVD would be prevented or postponed. The highest percentages of deaths prevented or postponed by type of CVD would be related to Coronary heart disease (39% and 38%, respectively), Hypertensive disease (32% and 33%, respectively), and Stroke (22% in both). The results demonstrate that reducing salt consumption could prevent or postpone an important number of deaths in Costa Rica. More support for existing policies and programs urges.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,033
Score d'incertitude au seuil0,764

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,160
Tête enseignante GPT0,353
Écart entre enseignants0,193 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations25
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePLoS ONEMême sujetSodium Intake and HealthTravaux en français237 207