Age and geographic disparities in acute ischaemic stroke prehospital delays in China: a cross-sectional study using national stroke registry data
Notice bibliographique
Résumé
Background: Stroke has been the leading cause of death in China for decades. The extremely low intravenous thrombolysis rate is largely due to the prehospital delays that make patients ineligible for the time-sensitive therapy. Limited studies evaluated prehospital delays across China. We investigated prehospital delays in the stroke population across China and the associated age, rurality, and geographic disparities. Methods: A cross-sectional study design was employed using the Bigdata Observatory platform for Stroke of China in 2020, the nationwide, prospective, multicentre registry of patients with acute ischaemic stroke (AIS). Mixed-effect regression models were used to account for the clustered data. Findings: The sample contained 78,389 AIS patients. The median onset-to-door (OTD) time was 24 h, with only 11.79% (95% confidence interval [CI]: 11.56-12.02%) patients arriving at hospitals within 3 h. About 12.43% (95% CI: 12.11-12.74%) of patients 65 years or older arrived at hospitals within 3 h, which was significantly higher than the young and middle-aged patients (11.03%; 95% CI: 10.71-11.36%). After controlling for potential confounders, young and middle-aged patients were less likely to present to hospitals within 3 h (adjusted odds ratio: 0.95; 95% CI: 0.90-0.99) compared to patients 65 years or older. The 3-h hospital arrival rate was the highest in Beijing (18.40%, 95% CI: 16.01-20.79%), which was almost 5 times higher than that in Gansu (3.45%, 95% CI: 2.69-4.20%). The arrival rate in urban areas was almost 2 times higher than that in rural areas (13.35% versus. 7.66%). Interpretation: We found that the low rates of timely arrival at hospitals after a stroke is more salient in the younger population, rural settings, or those residing in less developed geographic regions. This study calls for more tailored interventions focusing on younger people, rural areas, and less developed geographic regions. Funding: The National Natural Science Foundation of China; CIHR, Grant/Award Number: 81973157, PI: JZ. Natural Science Foundation of Shanghai; CIHR, Grant/Award Number: 17dz2308400, PI: JZ. Funding from the University of Pennsylvania; Grant/Award Number: CREF-030, PI: RL.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».