The Role of Physical Activity Prescription in Cardiovascular Disease Prevention Amongst South Asian Canadians
Notice bibliographique
Résumé
Unequivocal evidence suggests an increased prevalence of cardiovascular disease (CVD) amongst South Asian Canadians (SACs) compared to other ethnic cohorts, due to a combination of their unique cardiometabolic profile and environmental factors. This unfavorable CVD profile is characterized by an elevated risk of dyslipidemia, high apolipoprotein B/apolipoprotein A1 ratio, hypertension, glucose intolerance, type 2 diabetes mellitus, as well as increased BMI, body fat percentage, abdominal and visceral adiposity. Despite the overwhelming evidence for the effectiveness of physical activity (PA) in circumventing the onset of CVD and in the reduction of CVD risk factors, SACs are among the most physically inactive cohorts in Canada. This relates to a set of common and unique socio-cultural barriers, such as gender, beliefs and perceptions about illness, immigration, unfavorable PA environments, and their high prevalence of debilitating chronic diseases. Several strategies to improve PA participation rates in this high-risk population have been suggested, and include the implementation of culturally sensitive PA interventions, as well as clinician training in PA prescription through workshops that emphasize knowledge translation into clinical practice. Therefore, the purpose of this mini-review is to highlight and discuss: (1) the burden of heart disease in SACs (2) the cardiovascular benefits of PA for SACs; (3) factors affecting PA participation among SACs and how they can be addressed; (4) the impact of culturally sensitive PA prescription on CVD prevention; (5) barriers to culture-specific PA prescription by clinicians, and strategies to improve its use and impact.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,006 | 0,004 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».