Comment on “Five Misperceptions Surrounding the Environmental Impacts of Single-Use Plastic”
Notice bibliographique
Résumé
Background: Hyperlipidemia (HLD) is a major risk factor for cardiovascular disease (CVD). Little is known regarding temporal variation in CVD mortality related to HLD. The COVID-19 pandemic added complexity to factors influencing CVD mortality. Question: What are the yearly trends and impact of the COVID-19 pandemic on HLD-related CVD mortality in the United States? Methods: Mortality and demographic data for adults were obtained from CDC repository from 1999-2020, using ICD-10 codes HLD (E78.0-E78.5) and CVD (I00-I99). Age adjusted mortality rates (AAMR) per 1,000,000 population was standardized to the 2000 US population. Log-linear regression models evaluated mortality shifts. Average annual percentage change (AAPC) from 1999-2019 was used to calculate projected AAMR in 2020, subsequently compared to actual 2020 death rates to estimate pandemic-attributed excess deaths. Results: A total of 483,155 HLD-related CVD deaths were recorded between 1999-2020. Despite the CVD mortality decline in general population, HLD-related CVD AAMR rose from 36.33 [95% CI, 35.52-37.13] in 1999 to 99.77 [98.67-100.87] in 2019. Ischemic heart diseases (AAMR 49.39) were the most common causes of death while hypertension had the highest annual mortality increase (AAPC +10.23%) in populations with HLD. Higher HLD-related CVD mortality was observed in males (AAMR 104.87) than females (AAMR 61.93), in those ≥75 years (AAMR 646.45) than 35-75 years (AAMR 54.11), in non-Hispanic (NH) (AAMR 82.49) than Hispanic (AAMR 58.98) populations, and in rural (AAMR 89.98) than urban (AAMR 78.94) regions. NH Black populations (AAMR 84.35) and Western US regions (AAMR 96.88) had the highest HLD-related CVD. The first year of COVID-19 pandemic resulted in 10.55% excess HLD-related CVD death, with the most prominent increase in the 35-75 years age group (14.23%), Hispanic (17.96%), Black (14.82%), and urban (11.68%) populations. Conclusions: Our study revealed an increase in HLD-related CVD mortality which was exacerbated by the COVID-19 pandemic. Higher CVD mortality disproportionately affected males, Black, elderly (≥75 years), and rural populations with HLD. Further research is needed to validate our findings and identify contributing factors.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,008 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».