Seasonal Variations in Stroke Occurrence
Notice bibliographique
Résumé
BACKGROUND: Understanding seasonal variations in stroke can help stakeholders identify underlying causes in seasonal trends, and tailor resources appropriately to times of highest needs. We sought to evaluate the seasonal occurrence of stroke and its subtypes. METHODS: We conducted a retrospective cohort study using administrative data from January 1st, 2003, to December 31st, 2017, in Ontario, Canada's most populous province. We evaluated seasonal variations in stroke occurrence by subtype, via age/sex standardized rates and adjusted rate ratios using Poisson regressions. In those with stroke, we evaluated 30-day case fatality risks by season, adjusted for age, sex, stroke type, and comorbid conditions, and then used Cox proportional hazard models to estimate the effect of season on the fatality. The administrative data used in this study were from the Canadian Institute for Health Information's Discharge Abstract Database, the National Ambulatory Care Reporting System Database, the Ontario Registered Persons Database, and the 2006 and 2011 Canada Census and linked administrative databases. RESULTS: During our study period, we observed 394,145 strokes or TIA events, with a decrease in monthly hospitalization/emergency department visits per 100,000 people between January 2003 and December 2017 from 24.22 to 17.43. Compared to the summer, overall stroke occurrence was similar in the spring but slightly lower in the fall (adjusted rate ratio [aRR] 0.97, 95% confidence interval [CI] 0.96-0.98) and winter (aRR 0.94, 95% CI: 0.94-0.95). There were minor variations by stroke subtype. Winter was associated with the highest risk of stroke case fatality compared to the summer (12.4% vs. 11.4%, adjusted hazard ratio 1.10, 95% CI: 1.07-1.13). CONCLUSIONS: We found seasonal variations in stroke occurrence and case fatality, although the absolute differences were small. Further work is needed to better understand how environmental or meteorological factors might affect stroke risk.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 ».