Prevalence and determinants of prehypertension among African Surinamese, Hindustani Surinamese, and White Dutch in Amsterdam, the Netherlands: the SUNSET study
Notice bibliographique
Résumé
BACKGROUND: Evidence suggests that prehypertension is associated with increased risk of cardiovascular mortality. Little is known about ethnic differences in prehypertension in Europe. We aimed to assess these ethnic differences and to determine the factors associated with prehypertension in Amsterdam, the Netherlands. DESIGN: Cross-sectional study. METHODS: Prehypertension was defined as having a blood pressure 120-139/80-89 mmHg. RESULTS: The overall prevalence of prehypertension was 32.8% (men 37.9% and women 29.9%). The prevalence of prehypertension did not differ between the ethnic groups in men. African Surinamese and Hindustani Surinamese women, however, had a higher prevalence of prehypertension than White Dutch women. In multivariate logistic regression analysis, the odds ratios [95% confidence interval] for being prehypertensive were 2.25 (1.38-3.67; P<0.001) for African Surinamese and 2.06 (1.18-3.60; P<0.01) for Hindustani Surinamese women, compared with White Dutch women. BMI was strongly associated with prehypertension in both men and women. Total cholesterol was positively associated with prehypertension in women, whereas increased physical activity was negatively associated. The independent factors associated with prehypertension vary by ethnic group. In men, BMI was associated with prehypertension in the White Dutch, total cholesterol and low education in the African Surinamese, and fasting glucose in the Hindustani Surinamese. In women, total cholesterol was associated with prehypertension in the African Surinamese; the corresponding factor was the BMI in the Hindustani Surinamese. CONCLUSION: Prehypertension is common in minority women. As a large proportion of people with prehypertension progress to clinical hypertension, targeting these people early with lifestyle-modification interventions aimed at weight loss, increased physical activity, and healthy dietary habits can provide important long-term benefits. The results indicate that the primary foci of such lifestyle interventions should vary between ethnic groups.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,013 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,000 | 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 tête enseignante, 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 ».