A Comprehensive Systematic Review and Meta-analysis on the Risk Factors of Stroke in Iranian Population
Notice bibliographique
Résumé
BACKGROUND: There are limited data on vascular risk factors (VRFs) in low- and middle-income countries (LMICs). This meta-analysis was completed to summarize the existing evidence on stroke risk factors (SRFs) in the Iranian population. METHODS: An electronic literature search of the databases including PubMed, Embase, Web of Science, Scopus, Scientific Information Database (SID), Magiran, and IranMedex was performed to identify the related articles published up to March 2018. For categorical or continuous variables, the data were also pooled using the fixed- or the random-effect models, respectively, expressed as odds ratio (OR) or weighted mean difference (WMD). RESULTS: A total of 15 articles were recruited. The risk of stroke was associated with mean age, but not gender. Among traditional VRFs, hypertension (HTN), systolic and diastolic blood pressure (DBP), diabetes mellitus (DM), and fasting blood glucose (FBG) were associated with increased risk of stroke. Apart from the high circulating levels of triglycerides (TG), low-density lipoprotein-cholesterol (LDL-C), total cholesterol (TC), and low high-density lipoprotein-cholesterol (HDL-C), other potential risk factors namely cigarette smoking (CS), opioid addiction (OD), and waist circumference (WC) were identified to be independent stroke determinants. CONCLUSION: The present systematic review and meta-analysis provided a summary of the most important SRFs, which are potentially modifiable and preventable. Overall, Iran, similar to many other LMICs, is experiencing an ever-increasing rate of stroke-prone elderly people. The LMICs are thus suggested to develop national approaches to recognize and address VRFs, to monitor and control CS and OD rates, and to encourage a healthy lifestyle.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,014 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 |
| 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 ».