Risk Determinants of Acute Mountain Sickness in Trekkers in the Nepali Himalaya: A 36-Year Follow-Up
Notice bibliographique
Résumé
Cameron, Hannah, Marion McDevitt, Bengt Kayser, Craig Kutz, Suvash Dawadi, and Alana Hawley. Risk determinants of acute mountain sickness in trekkers in the Nepali Himalaya: a 36-year follow-up. High Alt Med Biol. 27:17-22, 2026. INTRODUCTION: Non-acclimatized trekkers risk developing acute mountain sickness (AMS) at high altitudes. We surveyed trekkers on the Annapurna Circuit in Nepal (peak 5,416 m) to assess AMS incidence and risk factors. Results were compared to 1986, 1998, and 2010 surveys. METHODS: Paper and electronic surveys were distributed to English-speaking trekkers who stopped at the Manang Aid Post (3,500 m). AMS was assessed with the Lake Louise Score (LLS; cutoffs ≥3 and ≥5) and the Environmental Symptom Questionnaire AMS-C score (cutoff ≥0.7). RESULTS: One hundred and forty-three surveys were returned. Incidence of AMS was 45%, 29%, and 19% (LLS ≥3, LLS ≥5, and AMS-C). AMS incidence was similar to that in 2010 and lower than in 1986 and 1998. In this study, body mass index (BMI) was a significant risk factor for AMS. Seventy-five percent of trekkers had elementary awareness of AMS, compared to 42% in 2010. Trekkers had slower ascent rates and 49% used prophylactic acetazolamide, compared to 44% (2010), 12% (1998), and 1% (1986). CONCLUSIONS: BMI was a predictor of AMS. Awareness of AMS was greater when compared to past studies; however, AMS rates stayed relatively stable between 2010 and the present. Whether awareness reduces the incidence of other potentially lethal altitude illnesses requires further investigation.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 | 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 ».