Abstract 4371131: Trends in Angina and Heart Attack Prevalence by Sex, Region, and Social Vulnerability Among U.S. Adults (2019–2023)
Notice bibliographique
Résumé
Background: Angina and myocardial infarction (MI) are major contributors to cardiovascular morbidity and mortality. We assessed recent trends in angina and MI prevalence by sex, region, and Social Vulnerability Index (SVI). Methods: Serial cross-sectional analysis using 2019–2023 National Health Interview Survey (NHIS) data. Adults aged 18–64 were included for angina; ≥18 years for MI. Outcomes were self-reported, physician-diagnosed angina or MI. Analyses were stratified by sex, region (Northeast, Midwest, South, West), and SVI level (Little/None, Low, Medium, High). Linear regression tested annual trends and interaction effects. Survey-weighted analyses were conducted using R v4.4.2. Results: National angina prevalence remained stable (1.3%–1.7%), while MI prevalence increased (+0.58%/year, p < 0.05). Sex: Males consistently had higher prevalence for both conditions. In 2023, angina was 1.9% in males vs. 1.4% in females; MI was 3.8% vs. 2.3%. Only MI showed a significant upward trend in males (p < 0.05); trend differences by sex were non-significant (p = 0.17 for angina; p = 0.975 for MI). Region: Highest prevalence for both conditions was seen in the South and Northeast (angina up to 1.9%, MI up to 3.4%), lowest in the West (angina ~1.5%, MI 2.1%). No significant regional trend differences were observed (p > 0.60). SVI: Medium vulnerability areas had the highest prevalence for both angina (~1.7%) and MI (3.5%). MI prevalence declined (−0.20%/year, p < 0.05), with significant trend differences in Low and Medium SVI groups (both p < 0.05). Angina trends by SVI were stable (interaction p = 0.17), but disparities persisted. Conclusion: From 2019–2023, angina remained stable while MI prevalence increased. Males, residents of the South, and individuals in medium SVI areas had consistently higher cardiovascular burden. Persistent disparities underscore the need for targeted public health interventions.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».