Trends in cardiometabolic risk factors in the Americas between 1980 and 2014: a pooled analysis of population-based surveys
Notice bibliographique
Résumé
BACKGROUND: Describing the prevalence and trends of cardiometabolic risk factors that are associated with non-communicable diseases (NCDs) is crucial for monitoring progress, planning prevention, and providing evidence to support policy efforts. We aimed to analyse the transition in body-mass index (BMI), obesity, blood pressure, raised blood pressure, and diabetes in the Americas, between 1980 and 2014. METHODS: We did a pooled analysis of population-based studies with data on anthropometric measurements, biomarkers for diabetes, and blood pressure from adults aged 18 years or older. A Bayesian model was used to estimate trends in BMI, raised blood pressure (systolic blood pressure ≥140 mm Hg or diastolic blood pressure ≥90 mm Hg), and diabetes (fasting plasma glucose ≥7·0 mmol/L, history of diabetes, or diabetes treatment) from 1980 to 2014, in 37 countries and six subregions of the Americas. FINDINGS: 389 population-based surveys from the Americas were available. Comparing prevalence estimates from 2014 with those of 1980, in the non-English speaking Caribbean subregion, the prevalence of obesity increased from 3·9% (95% CI 2·2-6·3) in 1980, to 18·6% (14·3-23·3) in 2014, in men; and from 12·2% (8·2-17·0) in 1980, to 30·5% (25·7-35·5) in 2014, in women. The English-speaking Caribbean subregion had the largest increase in the prevalence of diabetes, from 5·2% (2·1-10·4) in men and 6·4% (2·6-10·4) in women in 1980, to 11·1% (6·4-17·3) in men and 13·6% (8·2-21·0) in women in 2014). Conversely, the prevalence of raised blood pressure has decreased in all subregions; the largest decrease was found in North America from 27·6% (22·3-33·2) in men and 19·9% (15·8-24·4) in women in 1980, to 15·5% (11·1-20·9) in men and 10·7% (7·7-14·5) in women in 2014. INTERPRETATION: Despite the generally high prevalence of cardiometabolic risk factors across the Americas, estimates also showed a high level of heterogeneity in the transition between countries. The increasing prevalence of obesity and diabetes observed over time requires appropriate measures to deal with these public health challenges. Our results support a diversification of health interventions across subregions and countries. FUNDING: Wellcome Trust.
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 | 0,016 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,011 |
| Bibliométrie | 0,007 | 0,010 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».