Socioeconomic determinants of cardiovascular risk in underserved communities
Notice bibliographique
Résumé
Approximately 27% of Kenya’s 50 million people live in urban areas. The majority (56%) live in slums or slum-like settings, with limited access to functional [public] health care in a setting where poverty and insecurity are rampant. In 2015/16, one in every three Kenyan lived below the international poverty line (US$1.90 per day in 2011 per person). The poor, who are disproportionately affected by cardiovascular diseases (CVD), lack livelihood opportunities due to unemployment and are likely to possess low levels of education or be ignorant about CVD risk factors. The goal of this study was to determine the link between socioeconomic factors and risk and mortality from CVD, with the aim of informing interventions for prevention and control of CVD in underserved populations in Kenya. Based on data from the 2015 STEPWise survey on non-communicable diseases risk factors (STEPs), we determined that three in four Kenyan adults possessed between four and six non-communicable diseases (NCD) risk factors from among insufficient physical activity, smoking/tobacco use, harmful alcohol consumption, overweight and obesity, hypertension, and diabetes, indicating an emerging NCD epidemic in the country. Age, sex, level of education and socioeconomic status were key determinants. In slums of Nairobi, the understanding of and perceptions towards NCD and CVD were influenced by literacy levels, while ignorance towards risk factors, stigma and poverty, and perceived high cost of health care negatively affected care-seeking and treatment-adherence for CVD. Mortality from CVD was inversely correlated with gainful unemployment and higher levels of education. Investing in educating the public on CVD and risk factors, while empowering their access to livelihood opportunities are socioeconomic interventions that can enhance primordial prevention and treatment-adherence for CVD in Kenya.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».