Relationship Between Cardiovascular Disease Knowledge and Race/Ethnicity, Education, and Weight Status
Notice bibliographique
Résumé
BACKGROUND: Inadequate cardiovascular disease (CVD) knowledge has been cited to account for the imperfect decline in CVD among women over the last 2 decades. HYPOTHESIS: Due to concerns that at-risk women might not know the leading cause of death or symptoms of a heart attack, our goal was to assess the relationship between CVD knowledge race/ethnicity, education, and body mass index (BMI). METHODS: Using a structured questionnaire, CVD knowledge, socio-demographics, risk factors, and BMI were evaluated in 681 women. RESULTS: Participants included Hispanic, 42.1% (n = 287); non-Hispanic white (NHW), 40.2% (n = 274); non-Hispanic black (NHB), 7.3% (n = 50); and Asian/Pacific Islander (A/PI), 8.7% (n = 59). Average BMI was 26.3 ± 6.1 kg/m(2) . Hypertension was more frequent among overweight (45%) and obese (62%) than normal weight (24%) (P < 0.0001), elevated total cholesterol was more frequent among overweight (41%) and obese (44%) than normal weight (30%) (P < 0.05 and P < 0.01, respectively), and diabetes was more frequent among obese (25%) than normal weight (5%) (P < 0.0001). Knowledge of the leading cause of death and symptoms of a heart attack varied by race/ethnicity and education (P < 0.001) but not BMI. Concerning the leading cause of death among women in the United States, 87.6% (240/274) NHW answered correctly compared to 64% (32/50) NHB (P < 0.05), 28.3% (80/283) Hispanic (P < 0.0001), and 55.9% (33/59) A/PI (P < 0.001). Among participants with ≤12 years of education, 21.2% knew the leading cause of death and 49.3% knew heart attack symptoms vs 75.7% and 75.5%, respectively, for >12 years (both P < 0.0001). CONCLUSIONS: Effective prevention strategies for at-risk populations need to escalate CVD knowledge and awareness among the undereducated and minority women.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».