Educational and Socioeconomic Correlates of Stroke Risk Behaviors: Findings from the SPRINT INDIA Trial
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVES: Secondary Prevention by Structured Semi-Interactive Stroke Prevention Package in India (SPRINT INDIA) trial was a randomized control trial that enrolled 4298 stroke patients and administered educational interventions at 31 centers across India, with the aim to reduce recurrent stroke through increased stroke knowledge. This SPRINT INDIA trial post hoc study aims to investigate the incidence of recurrent stroke, high-risk transient ischemic attack (TIA), acute coronary syndrome (ACS), death, and lifestyle behavioral factors at 1 year. In addition, it examines the relationship between patients' baseline characteristics and education levels, risk factors, and outcomes and performs subgroup analysis within the intervention and control groups. METHODS: Participants were randomly assigned (1:1) to either intervention or control group through computer-based randomization on web. Intervention included stroke prevention Short Message Service messages, short-duration videos, and printed workbooks. Baseline assessments captured demographic and educational data, classifying patients into three categories: no schooling, less than high school, and high school or above. Primary outcome was a composite of recurrent stroke, high-risk TIA, ACS, and mortality at 1 year. Chi-square tests and analysis of variance were used to evaluate educational disparities across various variables. RESULTS: The intervention did not reduce primary outcomes at 1 year among patients with different educational levels. Higher educational group was associated with enhanced medication adherence (94.3% vs 85.4%; P < 0.001), increased physical activity (5497.91 ± 4117.7 vs 6169.91±4828.8; P < 0.001), lower triglyceride levels, and decreased engagement in behavioral risk factors like alcohol intake (5.1% vs 6.8%; P = 0.013) and tobacco use (smoked and chewed) (4% vs 7.9%; P < 0.001 and 5.8% vs 11.6%; P = 0.020). CONCLUSIONS: Personalized secondary stroke prevention, tailored to educational levels, is crucial for effective stroke management.
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 | 0,005 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».