Health-Risk Transition and 8-Year Hypertension Incidence in a Nationwide Thai Cohort Study
Notice bibliographique
Résumé
OBJECTIVE: Rapid economic growth is transforming Thailand into a middle-income country. Also emerging are chronic diseases particularly hypertension, diabetes mellitus and kidney disease. There are few studies of the incidence of hypertension. We analyse the effect on 8-year incidence of hypertension of transitional health-risk factors including demography, socioeconomic status (SES), body mass index (BMI), sedentariness, physical activity, underlying diseases, personal behaviours, food, fruit and vegetable consumption.DESIGN & METHODS: Health-risk factors and their effects on the incidence of hypertension were evaluated prospectively in the national Thai Cohort Study from 2005 to 2013. All data were derived from 40,548 Sukhothai Thammathirat Open University students returning mail-based questionnaire surveys in both 2005 and 2013. Adjusted relative risks of association between each risk factor and incidence of hypertension were calculated after controlling for confounding factors.RESULTS: In Thailand, the 8-year incidence of hypertension was 5.1% (men 7.1%, women 3.6%). Hypertension was associated with ageing, higher BMI, diabetes mellitus, chronic kidney disease, high lipids, SES, lower education level, lower household asset, physical inactivity, smoking, instant food intake and soft drink. Sex, having a partner, urbanization and sedentary habits had no influence on hypertension.CONCLUSION: In Thailand, hypertension is becoming a serious risk factor for chronic disease with a wide array of associations with modern life. As Thailand’s socio-economy develops the health-risk transition will further impact on population health. Thais should be encouraged by government policy to consume less instant food, maintain normal BMI, increased physical activity, stop smoking and consume less soft drink.
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 | 0,008 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 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 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 ».