Factors Associated with Congestive Heart Failure among Patients Presenting with Acute Cardiac Emergencies in Northern Lahore
Notice bibliographique
Résumé
Objective: This study sought to assess the prevalence of congestive heart failure (CHF) and identify the key risk factors associated with its occurrence in patients, already have existing cardiac conditions in Lahore, Pakistan. Study Design and setting: A cross sectional study was conducted at Shalamar Hospital, Lahore. Methodology: The study was conducted from October 2021 to March 2022 on a sample of 891 patients who were admitted in the coronary care unit from the emergency room and OPD and underwent cardiac catheterization. Convenience sampling was employed due to the unavailability of a large pool of patients. The questionnaire utilized socio-demographic variables, assessed the classification of congestive heart failure in relation to various comorbidities including thyroid diseases, diabetes mellitus, hypertension, chronic liver disease, peripheral vascular disease and hyperlipidemia as well as the risk factors associated with CHF. Results: The rate of CHF prevalence was found to be 12.68%. CHF was found to have a statistically significant relationship with smoking, ambulatory ability, and a history of organ transplantation. According to the New York Heart Association, a significant proportion of patients were classified as Class II, whereas the Canadian Cardiovascular Society reported that approximately 42.20% of patients had Class II angina. Conclusion: The prevalence of CHF was discovered to be extremely high. The most common comorbid ailment was discovered as hypertension, followed by diabetes. Many patients reported being able to perform daily activities but becoming fatigued during effort. When changing healthcare policies, it is critical to include preventive measures and interventions.
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 ».