Mortality, Cardiovascular Disease, and Their Associations With Risk Factors in Southeast Asia
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Background: The drivers of cardiovascular disease (CVD) and all-cause mortality may differ around the world. Regional-level prospective data can help guide policies to reduce CVD and all-cause mortality. Objectives: This study examined the incidence of CVD and mortality in Malaysia and the Philippines and estimated the population-level risks attributable to common risk factors for each outcome. Methods: This prospective cohort study included 20,272 participants from Malaysia and the Philippines. The mean follow-up was 8.2 years. The incidences of CVD and mortality rates were calculated for the overall cohort and in key subgroups. For each outcome, population-attributable fractions (PAFs) were calculated to compare risks associated with 12 modifiable risk factors. Results: The mean age of the cohort was 51.8 years (59% women). Leading causes of mortality were CVD (37.9%) and cancer (12.4%). The incidence of CVD (per 1,000 person-years) was higher in the Philippines (11.0) than Malaysia (8.3), and CVD contributed to a higher proportion of deaths in the Philippines (58% vs 36%). By contrast, all-cause mortality rates were higher in Malaysia (14.1) than in the Philippines (10.9). Approximately 78% of the PAF for CVD and 68% of the PAF for all-cause mortality were attributable to 12 modifiable risk factors. For CVD, the largest PAF was from hypertension (24.2%), whereas for all-cause mortality, the largest PAF was from low education (18.4%). Conclusions: CVD and cancer account for one-half of adult mortality in Malaysia and the Philippines. Hypertension was the largest population driver of CVD, whereas low education was associated with the largest burden of overall mortality.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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 découle