Sex differences in the etiology and burden of heart failure across country income level: analysis of 204 countries and territories 1990–2019
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
BACKGROUND: Heart failure (HF) is a global epidemic. OBJECTIVE: To assess global sex differences in HF epidemiology across country income levels. METHODS AND RESULTS: Using Global Burden of Disease (GBD) data from 204 countries and territories 1990-2019, we assessed sex differences in HF prevalence, etiology, morbidity, and temporal trends across country sociodemographic index or gross national income. We derived age-standardized rates. Of 56.2 million (95% uncertainty interval [UI] 46.4-67.8 million) people with HF in 2019, 50.3% were females and 69.2% lived in low- and middle-income countries; age-standardized prevalence was greater in males and in high-income countries. Ischaemic and hypertensive heart disease were top causes of HF in males and females, respectively. There were 5.1 million (95% UI 3.3-7.3 million) years lived with disability, distributed equally between sexes. Between 1990 and 2019, there was an increase in HF cases, but a decrease in age-standardized rates per 100 000 in males (9.1%, from 864.2 to 785.7) and females (5.8%, from 686.0 to 646.1). High-income regions experienced a 16.0% decrease in age-standardized rates (from 877.5 to 736.8), while low-income regions experienced a 3.9% increase (from 612.1 to 636.0), largely consistent across sexes. There was a temporal increase in age-standardized HF from hypertensive, rheumatic, and calcific aortic valvular heart disease, and a decrease from ischaemic heart disease, with regional and sex differences. CONCLUSION: Age-standardized HF rates have decreased over time, with larger decreases in males than females; and with large decreases in high-income and small increases in low-income regions. Sex and regional differences offer targets for intervention.
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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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