Predictors of Peripheral Artery Disease among Elderly Respondents in an Urban Hospital, Edo State Nigeria
Notice bibliographique
Résumé
Peripheral artery disease (PAD) potentially affects health-related Quality of Life, Disability Adjusted Life Years (DALYs) and is a strong prognostic marker for future cardiovascular events in elderly population. PAD commonly affects the elderly but may go undiagnosed in them, probably due to the presence of other morbidities like osteoarthritis and associated muscle spasm. Aim. The aim of this study was to determine the predictors of PAD in elderly by evaluating the socio-demographic and clinical characteristics in elderly patients. Methods. A cross sectional hospital based study was carried out among 370 patients aged 60 years and above attending a Tertiary Hospital from September to November 2017. A systematic random sampling technique was utilized. A structured questionnaire was administered to collect data on socio-demographic characteristics, lifestyle variables, and medical history. The Ankle Brachial Index (ABI) was used to assess for PAD. Analysis was done using Chi-square test and logistic regression. Results. The mean age was 69.3±7 years comprising of 76.5% females, 50% of the respondents were married while 47% were widowed. After adjusting for other variables, the result of the multi-logistic regression indicated that only patients with abnormal pedal pulse were more likely to present with PAD than those with normal pedal pulse (OR=10.634, 95% CI=2.4-47.121, p=0.002). Conclusion. The study reveals that abnormal pedal pulses were significant predictors of PAD, therefore it is recommended that regular screening (clinical foot examination and ABI) should be done for elderly to achieve early detection of PAD and facilitate prompt treatment.
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 | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 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 ».