Unhealthy behavior and risk of hypertension
Notice bibliographique
Résumé
OBJECTIVES: We aimed to evaluate the individual and combined association between unhealthy behavior and hypertension (HTN). METHODS: We conducted cross-sectional analysis using data from the population-based cohort study CONSTANCES. Blood pressure measurements were taken based on standardized operational procedures. Dietary adherence was done following the dietary approach to stop HTN diet. We considered heavy alcohol drinking, sedentary-level physical activity, low/medium dietary adherence and overweight/obesity as unhealthy behaviors. Participants' characteristics were compared according to the number of unhealthy behaviors and the association between HTN and unhealthy behaviors was estimated using logistic regression. RESULTS: A total of 86 448 volunteer participants were included and the prevalence of HTN was of 31.1%. Of those with HTN, 8.2, 33.0, 44.3 and 14.5% exhibited 0, 1, 2 or at least 3 unhealthy behaviors, respectively. In both sexes, the prevalence of HTN increased with low/medium dietary adherence compared with high (P < 0.01), in overweight/obese compared with normal BMI (P < 0.001), with heavy alcohol consumption compared with moderate or never (P < 0.05) and with sedentary physical activity level compared to high in women only (P = 0.049). Combination of several unhealthy behaviors was associated with increased odds of HTN (P trend <0.001); men reporting 2 or at least 3 unhealthy behaviors had an adjusted odds ratio of HTN of 1.77 and 2.29, respectively, while women had an adjusted odds ratio of 1.71 and 2.14, respectively. CONCLUSION: Individual and combined unhealthy lifestyle factors were strongly associated with HTN in this large population-based study.
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) | 0,000 | 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 ».