Twenty-Year Disparity Trends in United States Stroke Death Rate by Age, Race/Ethnicity, Geography, and Socioeconomic Status
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVES: In 2017, the Centers for Disease Control and Prevention (CDC) issued an alert that, after decades of consistent decline, the stroke death rate levelled off in 2013, particularly in younger individuals and without clear origin. The objective of this analysis was to understand whether social determinants of health have influenced trends in stroke mortality. METHODS: We performed a longitudinal analysis of county-level ischemic and hemorrhagic stroke death rate per 100,000 adults from 1999 to 2018 using a Bayesian spatiotemporally smoothed CDC dataset stratified by age (35-64 years [younger] and 65 years or older [older]) and then by county-level social determinants of health. We reported stroke death rate by county and the percentage change in stroke death rate during 2014-2018 compared with that during 2009-2013. RESULTS: < 0.001). In contrast to the younger individuals, in older individuals, the associations with increased death rates were with more traditional social determinants of health such as the social deprivation index, urban location, unemployment rate, and proportion of Black race and Hispanic ethnicity residents. DISCUSSION: Improvements in the stroke death rate in the United States are slowing and even reversing in younger individuals and many US counties. County-level increases in stroke death rate were associated with distinct social determinants of health for younger vs older individuals. These findings may inform targeted public health strategies.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,001 | 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 ».