Prevalence, awareness, treatment and control of hypertension in rural and urban communities in Latin American countries
Notice bibliographique
Résumé
OBJECTIVES: The objective is to describe hypertension (HTN) prevalence, awareness, treatment and control in urban and rural communities in Latin America to inform public and policy-makers. METHODS: Cross-sectional analysis from urban (n = 111) and rural (n = 93) communities including 33 276 participants from six Latin American countries (Argentina, Brazil, Chile, Colombia, Peru and Uruguay) were included. HTN was defined as self-reported HTN on blood pressure (BP) medication or average BP over 140/90 mmHg, awareness as self-reported HTN, and controlled as those with BP under 140/90 mmHg. RESULTS: Mean age was 52 years, 60% were Female and 32% belonged to rural communities. HTN prevalence was 44.0%, with the lowest rates in Peru (17.7%) and the highest rates in Brazil (52.5%). 58.9% were aware of HTN diagnosis and 53.3% were receiving treatment. Prevalence of HTN were higher in urban (44.8%) than rural (42.1%) communities in all countries. Most participants who were aware of HTN were receiving medical treatment (90.5%), but only 37.6% of patients receiving medical treatment had their BP controlled (<140/<90 mmHg), with the rates being higher in urban (39.6%) than in rural (32.4%) communities. The rate of use of two or more drugs was low [36.4%, lowest in Argentina (29.6%) and highest in Brazil (44.6%)]. Statin use was low (12.3%), especially in rural areas (7.0%). Most modifiable risk factors were higher in people with HTN than people without HTN. CONCLUSION: HTN prevalence is high but BP control is low in Latin America, with marked differences between countries and between urban and rural settings. There is an urgent need for systematic approaches for better detection, treatment optimization and risk factor modification among those with HTN in Latin America.
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 | 0,000 | 0,000 |
| 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 ».