Association between Cardiovascular Diseases and Knee Osteoarthritis
Notice bibliographique
Résumé
CONTEXT: Cardiovascular diseases (CVDs) such as ischemic heart diseases, heart failure, and stroke are the leading causes of morbidity and mortality (almost 30% of deaths) worldwide. Sociodemographic and clinical factors, such as obesity, diabetes, depressive symptoms, and physical inactivity, as factors behind the risk of CVDs. AIMS: This study aims to identify the factors behind the risk of CVDs in people with or at high risk for Knee Osteoarthritis (OA). SETTINGS & DESIGN: The baseline data (2004–2006) of a total of 4674 persons with or at high risk for knee OA aged 45–79 years from the Osteoarthritis Initiative (OAI). METHODS & MATERIAL: This study adopted a cross-sectional study. Baseline data (2004–2006) from the Osteoarthritis Initiative were analyzed to determine the sociodemographic and clinical factors behind CVDs in 4674 persons. STATISTICAL ANALYSIS USED: The Kolmogorov-Smirnov test was used to assess the data normality for continuous parameters. RESULTS: The results indicate 178 (62%) participants with age ≥65 years also had CVDs (p <.0001). Male gender had OR = 2.97 for heart attack and OR = 2.53 for heart failure making the implied probability of 33.7% and 39.5% respectively (p < 0.05). The OR and implied probability of diabetes and obesity for heart failure were 1.81 (55.2%) and 2.20 (45.5%) respectively (p<0.05). CONCLUSIONS: These findings provide a rationale for further investigation of those factors behind the risk of CVDs in cross-sectional studies among this population.
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 | 0,000 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».