Racial/Ethnic Disparities in the Alzheimer’s Disease Link with Cardio and Cerebrovascular Diseases, Based on Hawaii Medicare Data
Notice bibliographique
Résumé
Background: There is an expanding body of literature implicating heart disease and stroke as risk factors for Alzheimer's disease (AD). Hawaii is one of the six majority-minority states in the United States and has significant racial health disparities. The Native-Hawaiians/Pacific-Islander (NHPI) population is well-known as a high-risk group for a variety of disease conditions. Objective: We explored the association of cardiovascular disease with AD development based on the Hawaii Medicare data, focusing on racial disparities. Methods: We utilized nine years of Hawaii Medicare data to identify subjects who developed heart failure (HF), ischemic heart disease (IHD), atrial fibrillation (AF), acute myocardial infarction (AMI), stroke, and progressed to AD, using multistate models. Propensity score-matched controls without cardiovascular disease were identified to compare the risk of AD after heart disease and stroke. Racial/Ethnic differences in progression to AD were evaluated, accounting for other risk factors. Results: We found increased risks of AD for AF, HF, IHD, and stroke. Socioeconomic (SE) status was found to be critical to AD risk. Among the low SE group, increased AD risks were found in NHPIs compared to Asians for all conditions selected and compared to whites for HF, IHD, and stroke. Interestingly, these observations were found reversed in the higher SE group, showing reduced AD risks for NHPIs compared to whites for AF, HF, and IHD, and to Asians for HF and IHD. Conclusions: NHPIs with poor SE status seems to be mostly disadvantaged by the heart/stroke and AD association compared to corresponding whites and Asians.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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) | 0,000 | 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 ».