Prevalence and factors associated with pre-diabetes and diabetes mellitus in Kenya: results from a national survey
Notice bibliographique
Résumé
BACKGROUND: Diabetes Mellitus is one of the four major non-communicable diseases causing about 4 million deaths in 2017. By 2040, low income countries are projected to experience 92% increase in mortality due to diabetes. Undiagnosed diabetes poses a public health concern with costly public health implications especially in Africa. It is therefore crucial to examine the burden and risk factors for diabetes at national level to inform policy and national programs. METHODS: Data from the 2015 Kenya national STEPs survey of adults aged 18-69 years were used. Pre-diabetes was defined as impaired fasting blood glucose level (6.1 mmol/l to < 7 mmol/l) while diabetes was defined as impaired fasting blood glucose level ≥ 7 mmol/l. Descriptive statistics were used to determine the prevalence of pre-diabetes and diabetes and logistic regression was used to identify associated factors. RESULTS: Complete data for 4069 respondents (51% females), with 46% aged 18-29 and 61% in rural areas were analyzed. The age-standardized prevalence for pre-diabetes and diabetes were 3.1% (95% CI: 2.2, 4.0) and 2.4% (1.8, 3.0) respectively. Only 43.7% were aware of their glycemic condition, one in five of those who had diabetes had received treatment, and only 7% of those diagnosed with diabetes had their blood glucose under control. Primary education ((both incomplete (0.21, 95%CI 0.10-0.47) and complete (0.40, 95%CI 0.23-0.71)) were associated with lower odds of pre-diabetes. Older age (60-69 years, AOR; 5.6, 95%CI 2.1-15.1) and raised blood pressure (2.8, 95% CI 1.5-5.0) were associated diabetes while overweight/obesity among women was associated with diabetes. CONCLUSION: The overall diabetes prevalence in Kenya is consistent with what has been reported in other sub-Saharan African countries. Of concern is the higher prevalence of pre-diabetes and undiagnosed diabetes that can progress to complications in the absence of interventions and the low diabetes awareness and control. This is the first nationally representative study to identify important groups at risk of pre-diabetes and diabetes that can be targeted for screening, health promotion and treatment.
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 | 0,005 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».