Risk of Mortality Associated with Preexisting Chronic Diseases and Prior Year Diagnosis of a Mental Disorder in Survivors of a First Myocardial Infarction or Stroke
Notice bibliographique
Résumé
Background: Chronic medical diseases and recurrent mental disorders are common and may lead to a negative prognosis in adults with cardiovascular diseases (CVDs). The impact of these overlapping morbidities is likely to be further increased in the critical years following a first acute CVD event such as a stroke or myocardial infarction (MI). Objectives: The objective of this study was to examine associations of preexisting chronic diseases and recent mental disorders with mortality in survivors of a first MI or stroke. Methods: Data from the 48,526 patients (59% men) aged ≥40 years with a first MI or stroke were extracted from the Quebec Integrated Chronic Disease Surveillance System. Cox regression models were used to assess the effect of preexisting cancer, renal disease, diabetes, chronic obstructive pulmonary disease (COPD), and recent mental disorders on the risk of recurrent fatal CVD events and all-cause mortality following the index MI or stroke. Results: An increased risk of CVD mortality was observed at 1, 3, and 4.5 years in women and men with coexisting mental disorders and at 4.5 years in those with chronic, preexisting renal disease. Inversely, cancer and COPD were associated with a lowered risk of CVD mortality during the study period. An increased risk of all-cause mortality at all time points was observed in adults with any of the assessed conditions. Conclusions: Adults with coexisting mental disorders are at increased risk of CVD mortality and all-cause mortality in the years following a first MI or stroke. This increased vulnerability is separate from the extra mortality attributable to preexisting chronic diseases.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,000 | 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 ».