Sex-specific prevalence, inequality and associated predictors of hypertension, diabetes, and comorbidity among Bangladeshi adults: results from a nationwide cross-sectional demographic and health survey
Notice bibliographique
Résumé
OBJECTIVES: To determine the sex-specific prevalence, inequality and factors associated with healthcare utilisation for diabetes mellitus (DM), hypertension and comorbidity among the adult population of Bangladesh. STUDY DESIGN: This study analysed cross-sectional nationwide Bangladesh Demographic and Health Survey data from 2011. Comorbidity was defined as the coexistence of both DM and hypertension. Several socioeconomic and demographic factors such as age, sex, education, geographic location, administrative division, employment status, education and wealth index were considered as major explanatory variables. Inequality in prevalence and healthcare utilisation was measured using the 'Lorenz curve'. Adjusted multiple logistic regression models were performed to observe the effects of different factors and reported as adjusted ORs (AORs) with 95% CIs. A p value of <0.05 was adopted as the level of statistical significance. SETTING: The study was conducted in Bangladesh. PARTICIPANTS: A total of 7521 adult participants with availability of biomarkers information were included. RESULTS: The mean age of the study participants was 51.4 years (SD ±13.0). The prevalence of hypertension, diabetes and comorbidity were 29.7%, 11.0% and 4.5% respectively. Socioeconomic inequality was observed in the utilisation of healthcare services. A higher prevalence of hypertension and comorbidity was significantly associated with individuals aged >70 years (AOR 7.0, 95% CI 5.0 to 9.9; AOR 6.7, 95% CI 3.0 to 14.9). The risk of having hypertension, diabetes and comorbidity were significantly higher among more educated, unemployed as well as among individuals from Khulna division. CONCLUSIONS: The study revealed a rising prevalence of hypertension, diabetes and comorbidity with inequality in service utilisation. A joint effort involving public, private and non-governmental organisations is necessary to ensure improved accessibility in service utilisation and to reduce the disease burden.
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 | 0,003 | 0,001 |
| 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 ».