Impacto de la pandemia COVID-19 en pacientes cardiometabólicos sin infección por SARS-CoV-2 en Latinoamérica
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVES: A cross-sectional survey including 38 questions about demography, clinical condition, changes in health habits, and medical treatments for cardiometabolic patients in outpatient follow-up was conducted. From June 15 to July 15, 2020, a total of 13 Latin-American countries participated in enrolling patients. METHODS: These countries were divided into 3 geographic regions: Region 1 including North, Central, and Caribbean Regions (NCCR), Region 2 including the Andean Region (AR), and Region 3 including the Southern Cone Region (SCR). 4.216 patients were analyzed, resulting in a coefficient of 33.82%, 32.23%, and 33.94% for NCCR, AR, and SCR, respectively. RESULTS: Significant differences were found between the AR, SCR, and NCCR regions. The analysis of habitual medication usage showed that discontinued use of medication was more present in AR, reaching almost 30% (p < 0.001). The main finding of this study was the negative impact that restrictive measures have on adherence to medications and physical activity: Rs = 0.84 (p = 0.0003) and Rs = 0.61 (p = 0.0032), respectively. AR was the most vulnerable region. CONCLUSION: Restrictive quarantine measures imposed by the different countries showed a positive correlation with medication discontinuation and a negative correlation with physical activity levels in patients analyzed. These findings characterize the impact of the consequences left by this pandemic. Undoubtedly, restrictive measures have been and will continue to have reverberating negative effects in most Latin-American countries.
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 | 0,011 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,004 |
| 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 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 ».