Variations in the prevalence of atrial fibrillation, and in the strength of its association with ischemic stroke, in countries with different income levels: INTERSTROKE case–control study
Notice bibliographique
Résumé
BACKGROUND: The contribution of atrial fibrillation (AF) to the etiology and burden of stroke may vary by country income level. AIMS: We examined differences in the prevalence of AF and described variations in the magnitude of the association between AF and ischemic stroke by country income level. METHODS: In the INTERSTROKE case-control study, participants with acute first ischemic stroke were recruited across 32 countries. We included 10,363 ischemic stroke cases and 10,333 community or hospital controls who were matched for age, sex, and center. Participants were grouped into high-income (HIC), upper-middle-income (subdivided into two groups-UMIC-1 and UMIC-2), and lower-middle-income (LMIC) countries, based on gross national income. We evaluated the risk factors for AF overall and by country income level, and evaluated the association of AF with ischemic stroke. RESULTS: AF was documented in 11.9% (n = 1235) of cases and 3.2% (n = 328) of controls. Compared to HIC, the prevalence of AF was significantly lower in UMIC-2 (aOR 0.35, 95% CI 0.29-0.41) and LMIC (aOR 0.50, 95% CI 0.41-0.60) on multivariable analysis. Hypertension, female sex, valvular heart disease, and alcohol intake were stronger risk factors for AF in lower-income countries, and obesity a stronger risk factor in higher-income countries. The magnitude of association between AF and ischemic stroke was significantly higher in lower-income countries compared to higher-income countries. The population attributable fraction for AF and stroke varied by region and was 15.7% (95% CI 13.7-17.8) in HIC, 14.6% (95% CI 12.3-17.1) in UMIC-1, 5.7% (95% CI 4.9-6.7) in UMIC-2, and 6.3% (95% CI 5.3-7.3) in LMIC. CONCLUSION: Risk factors for AF vary by country income level. AF contributes to stroke burden to a greater extent in higher-income countries than in lower-income countries, due to a higher prevalence and despite a lower magnitude of odds ratio.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».