Epidemiological and Clinical Characteristics of Acute Stroke in a Multi-Ethnic South Asian Population
Notice bibliographique
Résumé
Objective: Stroke is one of the leading causes of death and disability worldwide. Compared to developed countries, the prognosis of stroke is less favourable in developing countries. The objective of this study is to identify inter-ethnic variation in risk profiles and stroke outcomes amongst Bangladeshi, Indian, Nepalese, Pakistani, and Sri Lankan expatriates living in Qatar. Methods: Data from the Qatar Stroke Registry were retrospectively analyzed from April 2014 to June 2025. A total of 8825 patients were included. The chi-square test was used to analyze sociodemographic variables, while the Kruskal–Wallis test was used to analyze continuous variables. Post hoc analysis was performed. Multivariate logistic regression and multivariate multiple regression were used to identify the predictors associated with poor clinical outcomes and mortality at 90 days. Results: Ischemic stroke was the predominant stroke type in all groups, with Nepalese patients presenting with stroke at a younger age, whilst Pakistanis tended to be older (p < 0.001). In terms of stroke outcomes, Nepalese patients had the highest proportion of a poor functional outcome at 90 days as well as NIHSS at discharge (p < 0.05). However, Bangladeshis had the highest proportion of mortality at 90 days compared to the other cohorts. Multivariable logistic regression revealed that undiagnosed dyslipidemia, Nepalese ethnicity, and moderate and severe NIHSS admission scores were independent predictors of a poor functional outcome at 90 days, whilst male sex and prior antidiabetic therapy were protective factors (p < 0.001). In terms of mortality at 90 days, only a severe NIHSS admission score (>10) was a significant predictor (p < 0.001). A severe NIHSS admission score was also the only predictive factor of mortality and poor functional outcome at 90 days (p < 0.05). Conclusions: There was a significant variation in stroke presentation and outcomes among South Asian subpopulations in Qatar, suggesting the importance of tailored public health strategies as a uniform approach to stroke care is insufficient for this diverse population.
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 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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».