MétaCan
Menu
Retour à la cohorte
Enregistrement W4387029461 · doi:10.31579/2578-8868/232

Medium Term Study of Incidence, Risk Factors and Type of Stroke in Hypertensive Patients

2022· article· en· W4387029461 sur OpenAlexaff
Jiming Zou

Notice bibliographique

RevueNeuroscience and Neurological Surgery · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueTraditional Chinese Medicine Studies
Établissements canadiensHealth Care Foundation
Organismes subventionnairesStrong
Mots-clésMedicineHyperlipidemiaIncidence (geometry)Internal medicineDiabetes mellitusBlood pressureStroke (engine)Cerebral infarctionType 2 diabetesLogistic regressionRisk factorGroup BBlood lipidsGastroenterologyCholesterolIschemiaEndocrinology

Résumé

récupéré en direct d'OpenAlex

Background and Aims: To investigate the incidence and risk factors of stroke in hypertension patients over 60 years of age, and to investigate the correlation. Methods: A retrospective analysis of 454 hypertension patients who were diagnosed through examination were divided into 4 groups, of which included group A (hypertension plus type 2 diabetes) were 4 cases, group B (hypertension plus hyperlipidemia) were 367 cases, group C (hypertension plus type 2 diabetes and hyperlipidemia) were 47 cases, and group D (hypertension) were 36cases. Every patient was given observation after definite diagnosis and treatment of 54 months, and to investigate the incidence of acute cerebral infarction, cerebral hemorrhage. Results: There were 44 patients occurred acute cerebral infarction in all 4 groups. Of these cases, there were 1 case in group A, 31 cases in group B,10 cases in group C and 2 cases in group D. In group B, 3 cases occurred cerebral hemorrhage. Logistic regression analysis showed systolic blood pressure (OR=1.106, P=0.001), fasting glucose (OR=2.059, P=0.000) and low-density lipoprotein cholesterol (LDL-C) (OR=0.104, P=0.025) were risk factors for stroke. Conclusions: Higher levels of blood glucose and/or blood lipid associate with higher risk of stroke in patients with hypertension.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,264

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,058
Tête enseignante GPT0,279
Écart entre enseignants0,221 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNeuroscience and Neurological SurgeryMême sujetTraditional Chinese Medicine StudiesTravaux en français237 207