Wealth-related inequalities in the awareness, treatment and control of hypertension in 21 countries
Notice bibliographique
Résumé
Background Effective policies to control hypertension require an understanding of its distribution in the population and the barriers people face along the pathway from detection through to treatment and control. This study describes the scale and patterns of wealth-related inequalities in awareness, treatment and control of hypertension in 21 countries using data from the Prospective Urban and Rural Epidemiology study. Methods 163,397 adults aged 35 to 70 years were recruited from 661 urban and rural communities in selected low-, middle- and high-income countries. Using blood pressure measurements, self-reported health and household data, the magnitude of wealth-related inequalities in levels of hypertension awareness, treatment, and control are examined, with concentration indices estimated after adjusting for age and sex. Results Overall, the magnitude of wealth-related inequalities in hypertension awareness, treatment, and control is higher in poor than rich countries. Levels of hypertension awareness and treatment tended to be higher among wealthier households in poorer countries; while a similar pro-rich distribution was observed for hypertension control in countries at all levels of economic development. In some countries, hypertension awareness is greater among the poor (Sweden, Argentina, Poland), as is treatment (Sweden, Poland) and control (Sweden). Discussion Inequality in hypertension management outcomes decreased as countries became richer but the considerable diversity of patterns of wealth-related inequality even among countries at similar levels of economic development shows the importance of specific aspects of health systems in improving hypertension management. These findings show that some, but not all, countries, including those with limited resources, have been able to achieve equitable management of hypertension but strategies must be tailored national contexts. Key messages: Wealth-related inequalities in hypertension control vary greatly among countries While inequalities are less in richer countries, some poor countries also perform well
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».