Metabolic Syndrome and the Burden of Cardiovascular Disease in Caribbean Hispanic Women Living in Northern Manhattan: A Red Flag for Education
Notice bibliographique
Résumé
BACKGROUND: Metabolic syndrome has the highest prevalence among Mexican-American women. Little information is available for Caribbean Hispanics, the largest and fastest growing ethnic minority in the United States. We sought to evaluate the frequency of metabolic syndrome and its relationship with race/ethnicity, socioeconomic position, and education in women of largely Caribbean Hispanic origin. METHODS: There were 204 women enrolled in a cross-sectional study who had demographics, fasting glucose, lipid profile, waist circumference, and blood pressure determined. Metabolic syndrome (defined by the National Cholesterol Education Program/Adult Treatment Panel III [NCEP/ATP III]) was analyzed using univariate and multivariate logistic regression to test age, race/ethnicity, education, health insurance, and residence on the risk of metabolic syndrome. A P value <0.05 was considered significant. RESULTS: Mean age was 58 +/- 11 years, Hispanic 44.1% (93% Caribbean), non-Hispanic white (NHW) 38.7%, and non-Hispanic black 9.8%. Education was some high school (<HS) 33.7%, HS graduate 11.2%, some college 12.9%, college graduate 10.1%, and postgraduate 32%. Health insurance was Medicaid 47.8% and commercial 52.2%. Area of residence was urban 77.1% and suburban 22.9%. The frequency of metabolic syndrome was 42.4%, and was increased in Hispanic women (63.3%) versus NHW (29.6%), women with <HS (72.6%) versus postgraduate education (32.1%), women with Medicaid (57.9% vs. 27.4%) and urban residence (47.5% vs. 27.2%). For all comparisons, P < 0.05. Education <HS was linked to increased risk of metabolic syndrome (odds ratio [OR] = 3.5 [1.2-10.0], P = 0.02). Hispanic women had the lowest level of education (P < 0.001) and the highest frequency of individual metabolic syndrome components (P < 0.01). CONCLUSIONS: Metabolic syndrome showed an alarming rate in less educated Caribbean Hispanic women and was independently associated with lower education level.
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 | 0,000 | 0,001 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».