Risk Factors of Myocardial Infarction in the Northern Region of Bangladesh

Yesmin, Sakila; Huda, M. S. B.; Biswas, Pranab Kumar; Wahed, Mir Imam Ibne; Naz, Tayyaba

doi:10.3329/jsr.v8i1.24375

Cited by 2 publications

(2 citation statements)

References 24 publications

(26 reference statements)

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…respectivamente), además fumar (12,97 %) y el consumo de alcohol (5,46 %) (9). Estos hallazgos son similares a los de Salinero et al (11), quienes identificaron como factores asociados al primer iam ser mayor de 75 años, el colesterol hdl (0,90-1,81 mmol) y presión arterial sistólica de 65-85 mm Hg (10), a lo que se suma el consumo de tabaco de segunda mano (or 3,1 ic 1,2-3,7) y el sedentarismo (or 2,5 ic 1,0-3,5). Con relación al sexo, los resultados de este estudio coinciden con los de Sáenz Campos et al (12), donde el masculino fue predominante, con datos similares en la edad, el peso, el imc, adicional a presentar el hábito de consumo de tabaco y ser diabéticos; por otro lado, Castellanos Rojas et al (13) explican que el sexo femenino no es un factor de riego antes de los 50 años, por contar con la protección estrogénica durante el periodo de vida fértil.…”

Section: Discussionunclassified

Factores asociados a infarto agudo del miocardio en usuarios de un programa de rehabilitación cardiovascular

Cobo-Mejía,

Quino-Ávila,

Rojas-García

et al. 2024

Rev. Med.

View full text Add to dashboard Cite

el infarto agudo de miocardio (iam) es una patología prevenible con el abordaje de los factores modificables, por lo que es de interés en la salud pública. Objetivo: identificar los factores asociados al iam en pacientes con hipertensión arterial. Material y métodos: diseño transversal con fase correlacional, muestra de 130 historias clínicas del programa Amigos del Corazón, del Hospital Universitario San Rafael de Tunja, Boyacá, Colombia, para el año 2016, seleccionados con la técnica de muestreo aleatorio simple. Resultados: respecto a los factores no modificables, la media de edad fue de 70 años y peso de 65 kg. El 54,6 % fue de sexo masculino; un 40,8 % de estrato medio-bajo. El comportamiento de los factores modificables se dio así, consumo de alcohol, un 30,8 % lo refirió; un 60 %, fumadores, y un 94,6 %, sedentarios. El 84,6 % manejaba cifras normales altas de tensión arterial, un 44,6 % reportó sobrepeso, un 53,1 % consumió fármacos, de los cuales el 29,2 % recibió insulina y un 33,1 % antidepresivos, el 46,2 % presentó riesgo cardiovascular moderado. Además, en un 92,3 % se observan cifras de colesterol normal, el 32,3 % está diagnosticado con diabetes tipo ii y un 43,8 % presentó iam. Así, se evidencia asociación entre el iam con la administración de insulina (p = 0,003), antidepresivos (p = 0,021) y con la comorbilidad de diabetes tipo ii (p = 0,001). Conclusiones: como factores de riesgo asociados al iam se identificaron que son modificables, y como factor protector se destaca la administración de insulina.

show abstract

Section: Discussionunclassified

Factores asociados a infarto agudo del miocardio en usuarios de un programa de rehabilitación cardiovascular

Cobo-Mejía,

Quino-Ávila,

Rojas-García

et al. 2024

Rev. Med.

View full text Add to dashboard Cite

show abstract

“…This has been done particularly for LoR using the PR curve. The future work lies in modifying the algorithm for optimizing the loss function of the LoR classifier [21,22] to enhance the performance further compared to complex ML models.…”

Section: Discussionmentioning

confidence: 99%

Consensus of Feature Selection Methods and Reduced Generalization Gap Model to Improve Diagnosis of Heart Disease

Gupta¹,

Sedamkar²

2021

J. Sci. Res.

View full text Add to dashboard Cite

Enhancing the diagnostic ability of Machine Learning models for acceptable prediction in the healthcare community is still a concern. There are critical care disease datasets available online on which researchers have experimented with a different number of instances and features for similar disease prediction. Further, different Machine Learning (ML) models have different preprocessing requirements. Framingham heart disease data is multicollinear and has missing values. Thus, the proposed model aims to explore the differential preprocessing needs of ML models followed by feature selection in consensus with domain experts and feature extraction to resolve multicollinearity issues. Missing values have been imputed differently for each feature. The work also identifies optimal train set size by plotting a learning curve that provides a minimum generalization gap. When testing is done on this hyperparameter tuned model, performance is enhanced with respect to the F score weighted by support and stratification since the data is imbalanced. Experimental results demonstrate improvement in performance metrics, i.e., weighted F score, precision, recall, accuracy up to 3 %, and F1 score by 8 % for Logistic Regression Classifier with the proposed model. Further, the time required for hyperparameter tuning is reduced by 50% for tree-based models, particularly Classification and Regression Tree (CART).

show abstract

Risk Factors of Myocardial Infarction in the Northern Region of Bangladesh

Cited by 2 publications

References 24 publications

Factores asociados a infarto agudo del miocardio en usuarios de un programa de rehabilitación cardiovascular

Factores asociados a infarto agudo del miocardio en usuarios de un programa de rehabilitación cardiovascular

Consensus of Feature Selection Methods and Reduced Generalization Gap Model to Improve Diagnosis of Heart Disease

Contact Info

Product

Resources

About