The Relationship Between Socioeconomic Status and CV Risk Factors: The CRONICAS Cohort Study of Peruvian Adults
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Variations in the distribution of cardiovascular disease and risk factors by socioeconomic status (SES) have been described in affluent societies, yet a better understanding of these patterns is needed for most low- and middle-income countries. OBJECTIVE: This study sought to describe the relationship between cardiovascular risk factors and SES using monthly family income, educational attainment, and assets index, in 4 Peruvian sites. METHODS: Baseline data from an age- and sex-stratified random sample of participants, ages ≥35 years, from 4 Peruvian sites (CRONICAS Cohort Study, 2010) were used. The SES indicators considered were monthly family income (n = 3,220), educational attainment (n = 3,598), and assets index (n = 3,601). Behavioral risk factors included current tobacco use, alcohol drinking, physical activity, daily intake of fruits and vegetables, and no control of salt intake. Cardiometabolic risk factors included obesity, elevated waist circumference, hypertension, insulin resistance, diabetes mellitus, low high-density lipoprotein cholesterol, and high triglyceride levels. RESULTS: In the overall population, 41.6% reported a monthly family income <US$198, and 45.6% had none or primary education. Important differences were noted between the socioeconomic indicators: for example, higher income and higher scores on an asset index were associated with greater risk of obesity, whereas higher levels of education were associated with lower risk of obesity. In contrast, higher SES according to all 3 indicators was associated with higher levels of triglycerides. CONCLUSIONS: The association between SES and cardiometabolic risk factors varies depending on the SES indicator used. These results highlight the need to contextualize risk factors by socioeconomic groups in Latin American settings.
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.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 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 découle