Modifiable Coronary Heart Disease Risk Factors Trends in Urban Black South African Females and the Implications for Health Promotion Interventions
Notice bibliographique
Résumé
BACKGROUND: Multiple risk factors can contribute to the development of coronary heart disease (CHD) in an individual, yet any change in the modifiable CHD risk status of Black South African females in recent times is unknown.AIM: The researcher aimed to establish the current CHD risk status of urban Black African females and to report on any trends over a 10-year period with the purpose to direct health promotion programs.METHODS: Data from 62 urban Black females (Mean age 32.4 ± 8.5 years) in 2006 was paired for age with that of 67 women (Mean age 32.0 ± 9.0 years) in 2016. The modifiable CHD risk factors assessed were cigarette smoking, sedentary lifestyle, obesity, hypertension, and hypercholesterolemia.RESULTS: Physical inactivity (72.6% of the sample in 2006 vs. 75.8% in 2016) and obesity (42% in 2006 vs. 38.8% in 2016) were the top-ranked risk factors for CHD with the pattern unchanged in 2016. Significantly fewer participants (4.5% vs. 16.6%; p < 0.05) were hypertensive and significantly more women had hypercholesterolemia (5.6% vs. 23.9%; p < 0.05) in 2016. The multiple CHD risk profile showed that 42.4% had at least one CHD risk factor (an increase of 25%) and significantly fewer (27.3% vs. 45.2%; p < 0.05) had two CHD risk factors in 2016.CONCLUSION: A sedentary lifestyle and obesity were the highest CHD risk factors. Also, the multiple CHD risk profile of Black African women changed over a period of 10 years from higher to lower and normal risk. Health promotion strategies must be directed towards weight reduction, increasing physical activity levels and be tailored for the population for which the health promotion programs have been designed.
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 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 | 0,010 | 0,000 |
| 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 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».