LBPS 03-06 INCREASING UPTAKE OF HYPERTENSION SERVICES AMONG MALES AND ELDERLY IN AN URBAN INFORMAL SETTLEMENT IN KENYA
Notice bibliographique
Résumé
Objective: The world is experiencing an epidemic of non-communicable diseases (NCDs). In Kenya, quarter of adults have raised blood pressure (BP) or are on medication for hypertension. Despite men having a higher prevalence of raised BP, 71% have never had their BP measured and 95% are not on treatment. Overall mean systolic BP is higher among men and increases with age. This study will compare effectiveness of four screening models; health facility, weekend, walkways and home-based in increasing uptake of hypertension services among males and elderly. Design and Method: A retrospectives cohort study was carried out targeting clients accessing hypertension services through four models between April 2015 and May 2016. Data was analysed for proportions. Chi square was used to determine significance in the differences. The differences were considered statistically significant when P < 0.05. Results: Of 107,303 reached with screening, home based reached the highest average number monthly at 7172 followed by health facilities at 2753. Overall, 16% of clients had raised BP with weekend and walkways having highest proportions at 20%, health facilities at 17% and home-based at 14%. The difference was statistically significant (p < 0.05). Walkway was most effective in reaching men at 53% followed by weekend (51%), home based (38%) and health facility (30%). The difference was statistically significant (p < 0.05). Weekend and walkway reached more clients > 40 years at 54% and 46% respectively while home-based and health facility reached least at 27% and 28% respectively. This difference was statistically significant. Conclusions: Despite high coverage of home based and health facility screening the population reached had lower risk. Walkway and weekend models are effective in reaching clients at risk such as males and elderly and should be integrated with health facilities to increase the impact and cost-effectiveness of hypertension programs in informal settlements.
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 | 0,001 |
| 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 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».