Type 2 diabetes and the double burden of malnutrition in rural south India: A mixed-methods examination of a public health crisis
Notice bibliographique
Résumé
India is experiencing a nutrition transition characterized by shifting diets and physical activity patterns that are driving increased prevalence of obesity, type 2 diabetes, and the double burden of malnutrition (defined as co-occurring under- and over-nutrition). The objective of this research was to describe and determine factors associated with these phenomena in rural Tamil Nadu, India using a mixed methods (qualitative and quantitative) study design. In-depth interviews (n=61+54) and focus groups (n=8) assessed perceptions of diabetes, nutrition, and the local food environment. Randomly selected adults (n=753) participated in a socio-demographic survey, food frequency questionnaire, and bio-metric measurements (waist/hip circumference ratio [WHR], body mass index [BMI], blood hemoglobin, and oral glucose tolerance test). Age- and sex-standardized prevalences of health outcomes were: overweight, 34%; pre-diabetes, 9.5%; type 2 diabetes, 10.8%; underweight, 23%; and anemia, 47%. Prevalence of co-morbid anemia plus overweight was 22.6% in women and 12.0% in men, while prevalence of co-morbid anemia plus diabetes was 5.6% of men and women. Multivariable linear and logistic regressions were used to identify factors associated with health outcomes at p<0.05. Factors [odds ratios] associated with obesity included physical activity [0.8], wealth index [1.1], high caste [4.6], rurality index [0.4], and tobacco use [0.2]. Factors [ORs] associated with diabetes included physical activity [0.8], BMI [1.9], WHR [1.6], high caste [2.4], rurality index [0.8], and tobacco use [2.8]. Factors [ORs] associated with co-morbid anemia and overweight included female sex [2.3], rurality index [0.7], high caste [0.7], wealth index [1.1], livestock ownership [0.5], and meat intake [0.8]. Factors [ORs] associated with co-morbid anemia and diabetes included age [1.1], rurality index [0.8], family history of diabetes [4.9], and BMI [2.1]. Local explanatory models of diabetes cited “poor diet”, “tension”, and “tradition” (family history). Illness narratives described “fear” and “loss of control” upon diagnosis with diabetes. Food environment characteristics affecting food choices and consumption included individual factors (age, gender), socio-economic factors (wealth, caste, religion), access to government entitlements, occupation, and media exposure. Results shed light on public health issues in rural India and carry implications for policy, practice, and future research.
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 | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 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 ».