Time trends in mortality from heart failure and atherosclerotic cardiovascular disease in people with and without diabetes: a multi-national population-based study
Notice bibliographique
Résumé
BACKGROUND: Contemporary trends in cardiovascular disease (CVD) cause-specific mortality by diabetes status are inadequately described. We examined trends by diabetes status in coronary heart disease (CHD), cerebrovascular disease, and heart failure mortality, and mortality rate ratios (people with diabetes versus those without diabetes) across nine high-income jurisdictions. METHODS: We assembled CVD cause-specific mortality data from nine administrative datasets (Europe [n=5], Australia [n=1], Canada [n=2], and South Korea [n=1]), spanning 2000-23. Using Poisson regression, we estimated mortality rates by diabetes status and mortality rate ratios. FINDINGS: There were 2·92 million CVD deaths over 1·30 billion person-years of follow-up. In all jurisdictions and in both people with and without diabetes, the total CVD and CHD mortality rates fell across the observed time period. The 5-year percent changes in CHD mortality ranged from -11·5% to -32·3%. Reductions in heart failure mortality were smaller than those for CHD mortality (except in Scotland) and smaller than those for cerebrovascular mortality (except in Scotland and Denmark). Heart failure mortality increased in Ontario, Canada. The excess CHD mortality associated with diabetes (mortality rate ratio ~2·0) fell in three of nine jurisdictions and was stable or uncertain in the remainder. No jurisdiction had a fall in excess heart failure mortality associated with diabetes. INTERPRETATION: Declines in heart failure mortality in both people with and without diabetes were less marked than were declines in CHD and cerebrovascular disease mortality in most jurisdictions. Heart failure mortality rate ratios have not decreased. A greater focus on reducing heart failure mortality in people with and without diabetes might be required. FUNDING: US Centers for Disease Control and Prevention, Diabetes Australia Research Program, Victoria State Government Operational Infrastructure Support Program.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».