Abstract P007: Sex-Specific Disparities in Risk Factor Control of Patients Undergoing Elective Percutaneous Coronary or Peripheral Intervention
Notice bibliographique
Résumé
Introduction: The American Heart Association (AHA) developed 7 health metrics to define “ideal cardiovascular health” in its 2020 Impact Goal. Sex-specific disparities in attainment of the 7 health metrics in patients undergoing elective percutaneous or peripheral interventions has not been well characterized. Methods: We interviewed 1,517 patients (1,127 males and 390 females) undergoing elective percutaneous coronary or peripheral intervention at a large tertiary care center between November 2010 and March 2015. Survey data was used to reconstruct the 7 health metrics (blood pressure, physical activity, cholesterol, diet, weight, smoking status, and metabolic control). Multivariable linear regression was performed to identify characteristics associated with ideal metric attainment in the overall cohort and when stratified by sex. Results: Overall, males were younger, less likely to be white, more likely to be married, and had higher levels of education and higher prevalence of prior coronary artery disease than females (p<.05 for each). Males achieved fewer ideal health metrics than females (2.0 ± 1.2 vs 2.3 ± 1.1, p<.01), including poorer attainment of the ideal smoking (p<.01), physical activity (p<.01), and diet health metrics (p<.05). Females had poorer attainment of the ideal weight (p<.05) and cholesterol health metrics (p=.01). After multivariable adjustment, males achieved fewer ideal health metrics than females (p<.01; Table). Sex-specific differences are presented in the Table, which includes single marital status and depression as negative predictors of ideal metric attainment in males, and a reduced ejection fraction as a negative predictor in females. Conclusions: Attainment of the 7 AHA ideal health metrics is low in both males and females undergoing elective percutaneous coronary or peripheral intervention. Sex-specific disparities in risk factor control illustrate interesting areas for further exploration into the predictors of behavior that may guide future targeted interventions.
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 | 0,001 | 0,003 |
| 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) | 0,006 | 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 ».