ЖҮРЕК-ҚАНТАМЫРЛАР АУРУЫНЫҢ АЛДЫН АЛУ БОЙЫНША ХАЛЫҚАРАЛЫҚ ЖӘНЕ ОТАНДЫҚ ТӘЖІРИБЕЛЕР
Notice bibliographique
Résumé
Өзектілігі: Жүрек-қан тамырлары аурулары (ЖҚА) әлемдегі өлімнің басты себебі болып табылады. Дүниежүзілік денсаулық сақтау ұйымының мәліметтері бойынша жыл сайын 17,9 миллион адам ЖҚА-дан қайтыс болады, бұл бүкіл әлемдегі өлімнің үштен бірі. ЖҚА өлімінің шамамен 75% -ы төмен және орташа табысты елдерде кездеседі. Зерттеу мақсаты: ЖҚА алдын алу бойынша халықаралық және отандық тәжірибелерді жүйелі талдау. Іздестіру стратегиясы: Біз PubMed, Web of science, Cochrane library, e-library, электронды деректер базасынан жүйелі іздеу жүргіздік, сонымен қатар Google Scholar қосымша ақпараттық ресурсын қолдандық. Нақты зерттеуге қосу және қоспау критерийлері қолданылды. Іздеу тереңдігі 15 жылды құрады, ағылшын және орыс тілдеріндегі деректер зерттелді. Сәйкес іздеу бойынша 3779 мақала табылды. Біріншілік талдаудан кейін 57 мақала қосу критерийлеріне сәйкес келіп, қорытынды талдауға алынды. Нәтижесі: Әдеби шолуда Еуропа, Америка Құрама Штаттары, Канада, Финляндия, Польша, Ресей, Қырғызстан, Қазақстандағы жүрек-қан тамырлары ауруларының алдын алу бойынша мемлекеттік және қоғамдық іс-шаралар жайлы жазылған. Қорытынды: Жүрек - қан тамырлары ауруларының алдын алу ЖҚА-дан пациенттердің өлімін төмендету және жүрек-қан тамырлар жүйесін сақтау үшін өте маңызды. ЖҚА аурушаңдықты төмендетуге бағытталған үлкен күш-жігеріне қарамастан, ЖҚА дүниежүзінде өлімнің басты себебі болып қала береді. Background. Cardiovascular disease (CVD) is the leading cause of death in the world. According to World Health Organization (WHO) data, 17.9 million people die every year from CVD, which is estimated as one-third of all deaths worldwide. Around 75% of CVD deaths occur in low- and middle income countries. Aim: Systematic analysis of international and domestic experience in the prevention of cardiovascular disease. Search strategy: We searched in the PubMed, Web of science, Cochrane library, e-library Databases, we also looked at the additional information resource Google Scholar. Used specific criteria for inclusion in the study. The search depth was 15 years. Relevant search returned 3779 articles; after initial analysis, 57 articles were selected for final analysis in accordance with the inclusion criteria. Results: The literature review covers government and community interventions to prevent cardiovascular disease in Europe, the United States of America, Canada, Finland, Poland, Russia, Kyrgyzstan and Kazakhstan. Conclusion: Prevention of cardiovascular diseases is very important for reducing the mortality of patients with CVD and maintaining cardiovascular health. Despite major efforts to reduce the incidence of CVD, CVD remain the leading cause of death worldwide. Актуальность. Сердечно-сосудистые заболевания (ССЗ) являются ведущей причиной смерти в мире. По данным Всемирной организации здравоохранения, 17,9 миллиона человек, ежегодно, умирают от ССЗ, что составляет треть всех смертей в мире. Около 75% случаев смерти от ССЗ происходит в странах с низким и средним уровнем дохода. Цель исследования: Проведение обзора литературы, касающейся международного и отечественного опыта профилактики сердечно-сосудистых заболеваний (ССЗ). Стратегия поиска: Мы провели систематический поиск в электронных базах данных PubMed, Web of Science, Cochrane library, e-library, а также использовали дополнительный информационный ресурс Google Scholar. Использовали конкретные критерии для включения в исследования. Глубина поиска составила 15 лет, изучались данные на английском и русском языках. Релевантный поиск выдал 3779 статей, после первичного анализа для итогового анализа были отобраны 57 статей. Результаты: Обзор литературы охватывает государственные и общественные меры по профилактике сердечно-сосудистых заболеваний в Европе, США, Канаде, Финляндии, Польше, России, Кыргызстане и Казахстане. Заключение: Профилактика сердечно-сосудистых заболеваний очень важна для снижения смертности пациентов с ССЗ и поддержания здоровья сердечно-сосудистой системы. Несмотря на значительные усилия по снижению заболеваемости ССЗ, ССЗ остаются ведущей причиной смерти во всем мире.
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 | 0,010 | 0,032 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,007 | 0,009 |
| Études des sciences et des technologies | 0,003 | 0,007 |
| Communication savante | 0,013 | 0,013 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,016 | 0,005 |
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 ».