Abstract 9299: Associations Between Precipitation and Racial/Ethnic-Specific Adult Cardiovascular Disease Mortality During Wintertime in Northeast United States
Notice bibliographique
Résumé
Introduction: Minority (i.e. non-Hispanic (NH) Blacks) populations tend to have higher rates of chronic diseases in comparison to NH Caucasians, leading to early cardiovascular disease (CVD) death. Studies suggest that winter precipitation (rain/snow) is associated with an increased risk of adult CVD mortality. Whether winter precipitation is associated with race/ethnic (RE)-specific CVD mortality remains unknown. Hypothesis: RE-specific associations between winter precipitation and CVD mortality would be strongest for NH Blacks. Methods: Using a population-based design, CDC data was obtained for Northeast US (New York, New Jersey, Pennsylvania). Region- and RE-specific (NH Blacks & Whites, Asian, Latino) adult (35-74 years) CVD mortality for winter months (December-February) from 2011-2019 were recorded based on ICD-10 codes (I00-I99). With population estimates, winter CVD rates were derived. Adjusting for the trend, temperatures, percent inactivity, obesity, college education, income, and region; negative binomial regression was used to associate winter precipitation and CVD rates. Results: From 2011-2019, 84,100 winter CVD adult deaths were recorded in Northeast US. A 1-inch rise in winter precipitation was significantly associated with an increased risk in CVD deaths only for NH Blacks (adjusted rate ratio [RR] 1.02; 95% CI 1.01-1.05) in Northeast US (Fig 1). Whereas the covariate, winter temperatures (per 1 o C rise) was significantly associated with a decrease in CVD only for NH Blacks (RR 0.99; 95% CI 0.98-0.99) and NH Whites (RR 0.99; 95% CI 0.98-0.99). Insignificant interactions were observed between winter precipitation and temperature. Conclusions: Winter rainy/snowy conditions are associated with increased risk of CVD events among NH Black adults. This suggests that climate effects on CVD may differ by RE and highlights the importance for incorporating RE diversity in combination with climatological influences when studying CVD risks.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,000 |
| 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 ».