Factors associated with glucose tolerance, pre-diabetes, and type 2 diabetes in a rural community of south India: a cross-sectional study
Notice bibliographique
Résumé
BACKGROUND: India's national rural prevalence of type 2 diabetes has quadrupled in the past 25 years. Despite the growing rural burden, few studies have examined putative risk factors and their relationship with glucose intolerance and diabetes in rural areas. We undertook a cross-sectional study to determine the prevalence of impaired fasting glucose (IFG), impaired glucose tolerance (IGT), and type 2 diabetes in a rural area of south India. In addition, we determined which factors were associated with type 2 diabetes. METHODS: We sampled 2 % of the adult population from 17 villages using a randomized household-level sampling technique. Each participant undertook a questionnaire that included basic descriptive information and an assessment of socioeconomic status, physical activity, and dietary intake. Height, weight, waist and hip circumference, and blood pressure measurements were taken. An oral glucose tolerance test was used to determine diabetes status. We used stepwise logistic model building techniques to determine associations between several putative factors and type 2 diabetes. RESULTS: 753 participants were included in the study. The age- and sex-standardized prevalence of IFG was 3.9 %, IGT was 5.6 %, and type 2 diabetes was 10.8 %. Factors associated with type 2 diabetes after adjusting for confounders included physical activity [OR 0.81], rurality [OR 0.76], polyunsaturated fat intake [OR 0.94], body mass index [OR 1.85], waist to hip ratio [OR 1.62], and tobacco consumption [OR 2.82]. CONCLUSION: Our study contributes to the growing body of research suggesting that diabetes is a significant concern in rural south India. Associated risk factors should be considered as potential targets for reducing health burdens in India.
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 | 0,001 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».