Oral Abstracts
Notice bibliographique
Résumé
Aim A population based study was undertaken in Delhi to evaluate the gender differences in the prevalence of bronchial asthma. Methods A standardized and validated questionnaire based on IUATLD asthma prevalence questionnaire was used for the study. A two stage stratified (urban/rural) sampling procedure was adopted where villages/urban localities in Delhi formed the first stage units and the households the second stage units. A house to house survey was done in a random manner by the field team and the adult members of over 15 years of age in the family were interviewed. The field supervisor made visits to 10% of the randomly selected households for verifications. The questionnaire was re-administered to randomly selected 500 respondents to calculate the kappa index of agreement. The diagnosis of asthma was based on the following criteria: wheezing or whistling sound from chest in the past 12 months, or chest tightness or breathlessness in the morning and having suffered from asthma or having an attack of asthma in the past 12 months, or using inhaled or oral bronchodilators. Computer programme using the software Epi info (version 6) and the SPSS (version 10.0) was used for analysis. Multiple logistic regression modeling was used to evaluate the gender differences. Results A total of 15642 individuals were studied. There were 7966 (50.9%) males and 7676 (49.1%) females. The prevalence of bronchial asthma in Delhi was 1.69%. The prevalence was 1.84% in females and 1.54% in males. The odd ratio for development of bronchial asthma in females was significantly higher compared to males (OR 1.604, 95% CI 1.087-2.366, p = 0.017). Conclusions The prevalence of bronchial asthma in Delhi is 1.69% and the odds for development of bronchial asthma in females were significantly higher compared to males in Delhi.
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) | 0,000 | 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 | 0,001 |
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; 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 ».