Stroke Prevalence and Risk Factors in Rural Communities Within a Resource-Constrained South Asian Setting: Population-Based Study of 1.3 Million Individuals
Notice bibliographique
Résumé
Background: Stroke is a leading cause of death and long-term disability worldwide, with an estimated 6.2 million deaths each year. In Bangladesh, data on stroke prevalence and risk factors in rural areas are limited, making it difficult to develop effective early prevention and intervention programs. Objective: This study aimed (1) to present the prevalence of stroke in a rural community in Bangladesh and (2) to identify and associate various stroke risk factors. Methods: Data collection was done by community health workers, as a part of the "Enriched Sastho" program of the Palli Karma Sahayak Foundation, Bangladesh. Community health workers received 2 weeks of training to ensure data quality. The presence of stroke was determined by a binary survey question, with a history of stroke=1 and absence=0. The prevalence of stroke per 1000 people was examined along with the 95% CI. In addition, the association of stroke risk predictors was calculated using multivariate logistic regression and presented in crude odds ratio (OR) and adjusted OR along with 95% CI. Results: The study analyzed data from 1,341,589 individuals, with an average (SD) age of 29.23 (19.05) years. The overall stroke prevalence was found to be 1.07 per 1000 people, with a higher prevalence in male participants and increasing with age. The highest stroke prevalence was observed in the Khulna division (OR 1.881, 95% CI 1.671-2.117), and the least in the Rangpur division (OR 0.677, 95% CI 0.576-0.795). Individuals aged 65-79 years were at a higher risk of having a stroke than other age groups (crude OR 9.883 and adjusted OR 9.728 [adjusted for sex]). In addition, male participants were at greater risk of having a stroke than female participants were (crude OR 1.565 and adjusted OR 1.469 [adjusted for age]). Conclusions: The study emphasizes the need for early prevention and intervention programs for stroke in rural Bangladesh and the importance of managing hypertension and diabetes to reduce stroke risk.
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 | 0,001 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».