Trends and Inequalities in the Incidence of Acute Myocardial Infarction among Beijing Townships, 2007–2018
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Acute myocardial infarction (AMI) poses a serious disease burden in China, but studies on small-area characteristics of AMI incidence are lacking. We therefore examined temporal trends and geographic variations in AMI incidence at the township level in Beijing. In this cross-sectional analysis, 259,830 AMI events during 2007-2018 from the Beijing Cardiovascular Disease Surveillance System were included. We estimated AMI incidence for 307 consistent townships during consecutive 3-year periods with a Bayesian spatial model. From 2007 to 2018, the median AMI incidence in townships increased from 216.3 to 231.6 per 100,000, with a greater relative increase in young and middle-aged males (35-49 years: 54.2%; 50-64 years: 33.2%). The most pronounced increases in the relative inequalities was observed among young residents (2.1 to 2.8 for males and 2.8 to 3.4 for females). Townships with high rates and larger relative increases were primarily located in Beijing's northeastern and southwestern peri-urban areas. However, large increases among young and middle-aged males were observed throughout peri-urban areas. AMI incidence and their changes over time varied substantially at the township level in Beijing, especially among young adults. Targeted mitigation strategies are required for high-risk populations and areas to reduce health disparities across Beijing.
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.
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 | 0,010 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,000 | 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 découle