Risk factors for ischemic heart disease in professional drivers: a meta-analysis
Notice bibliographique
Résumé
Summary. Objective. To identify risk factors for ischemic heart disease (IHD) in professional drivers through a systematic review and meta-analysis. Methods. A comprehensive literature search was conducted across multiple databases, including CNKI, CBM, Wanfang Data, VIP, FMRS Medline, The Cochrane Library, PubMed, Embase, and Web of Science, for studies published from January 1, 1990, to December 31, 2024. Keywords such as “ischemic heart disease,” “coronary heart disease,” “myocardial infarction,” “driver,” and “risk factor” were used. Relevant case-control studies were included based on predefined criteria and quality assessed using the Newcastle-Ottawa Scale (NOS), with studies scoring ≥7 considered high quality for meta-analysis. Results. Eleven studies involving 95,791 cases and 29,621 controls were included. The meta-analysis revealed a significant association between the driving profession and an increased risk of IHD (OR = 1.85, 95% CI: 1.63-2.11). Drivers with hypertension (OR = 2.58), smoking (OR = 2.70), obesity (OR = 1.54), diabetes (OR = 1.77), physical inactivity (OR = 2.12), dyslipidemia (OR = 1.82), and occupational stress (OR = 2.31) all exhibited significantly higher risks of IHD. Conclusions. The driving profession is a significant risk factor for IHD. Drivers with chronic conditions, unhealthy lifestyles, dyslipidemia, and occupational stress face an elevated risk. Health interventions should focus on lifestyle changes, managing hypertension and diabetes, and reducing work-related stress.
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 | 0,015 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,002 |
| Méta-épidémiologie (sens large) | 0,022 | 0,057 |
| Bibliométrie | 0,006 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».