MétaCan
Menu
Retour à la cohorte
Enregistrement W4410145267 · doi:10.4103/aian.aian_792_24

SPRINT INDIA: Regional Variations in Primary and Secondary Stroke Outcomes Based on Baseline Characteristics in North and South Indian Sites

2025· article· en· W4410145267 sur OpenAlexaff
Somasundaram Kumaravelu, Shweta Jain Verma, Rimpi Arora, Deepti Arora, Khumanthem M Devi, Aneesh Dhasan, Padmavathyamma Narayanapillai Sylaja, Dheeraj Khurana, Vijaya Pamidimukkala, Biman Kanti Ray, Vivek Nambiar, Sanjith Aaron, Gaurav Mittal, Sundarachary Nagarjunakonda, Aparna Pai, Y Muralidhar Reddy, Sunil K. Narayan, Nomal Chandra Borah, Rupjyoti Das, Girish Baburao Kulkarni, Vikram Huded, Thomas Mathew, Madakasira Vasantha Padma Srivastava, Rohit Bhatia, Pawan Ojha, Jayanta Roy, Sherly Mary Abraham, Anand Vaishnav, Arvind Sharma, Shaikh Afshan Jabeen, Abhishek Pathak, Sanjeev Kumar Bhoi, Sudhir Sharma, Sulena Sulena, Aralikatte Onkarappa Saroja, Neetu Ramrakhiani, Madhusudhan Byadarahalli Kempegowda, Sankar Prasad Gorthi, Mahesh Kate, Tina George, Ivy Sebastian, Meenakshi Sharma, Rupinder Singh Dhaliwal, Rahul Huilgol, Jeyaraj Pandian

Notice bibliographique

RevueAnnals of Indian Academy of Neurology · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueAcute Ischemic Stroke Management
Établissements canadiensUniversity of Alberta
Organismes subventionnairesIndian Council of Medical Research
Mots-clésMedicineStroke (engine)DemographicsPsychological interventionDiabetes mellitusSprintSecondary preventionInternal medicinePhysical therapyDemography

Résumé

récupéré en direct d'OpenAlex

BACKGROUND AND OBJECTIVES: Regional differences in stroke prevalence and outcomes in India, driven by demographic and risk factors, are crucial for guiding effective prevention and management strategies. This subanalysis of Secondary prevention with a structured semi-interactive stroke prevention package in INDIA (SPRINT INDIA) randomized controlled trial compared the demographics, risk factors, and clinical outcomes of stroke patients from North and South India to identify regional differences and inform targeted interventions for stroke prevention. METHODS: The study analyzed data of 4298 participants from 31 stroke centers across India, focusing on demographics, stroke types, and risk factors. In this study, Mumbai, located at 19.07°N in western India, serves as the dividing line between North and South India. One-year follow-up data from 3038 patients were utilized to examine regional disparities between North and South India. RESULTS: South Indian stroke patients were predominantly rural (60.1%) and less educated (58.2%), while North Indian patients were mostly urban (64.2%). South Indian patients had higher incidence of ischemic stroke (91.1% vs. 73.5%, P = 0.001) and higher rates of large artery atherosclerosis (33.6% vs. 19.7%, P = 0.001), hypertension, type 2 diabetes, smoking, and alcohol consumption, but better medication adherence. In contrast, North Indian patients had higher high-density lipoprotein, drug use, and tobacco use. At 1-year follow-up, North Indian patients had more high-risk transient ischemic attacks and poorer lifestyle-related outcomes, despite South Indians having higher systolic blood pressure and fasting glucose levels. CONCLUSION: Region-specific strategies are crucial. Block randomization may help. South India needs better lifestyle modification programs, while North India requires improved health education and medication adherence strategies.Trial registration: CTRI/2017/09/009600.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,761

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,027
Tête enseignante GPT0,290
Écart entre enseignants0,263 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnnals of Indian Academy of NeurologyMême sujetAcute Ischemic Stroke ManagementTravaux en français237 207