Interaction between sex and rurality on the prevalence of diabetes in Guyana: a nationally representative study
Notice bibliographique
Résumé
INTRODUCTION: Diabetes prevalence has never been measured in Guyana. We conducted a nationally representative cross-sectional study to estimate the prevalence of diabetes and pre-diabetes, and the association between sex and diabetes. RESEARCH DESIGN AND METHODS: and fasting blood glucose testing. We estimated the prevalence of diabetes and pre-diabetes and measured the association between sex and diabetes prevalence using logistic regression to compute adjusted ORs. RESULTS: We included 805 adults (511 women, 294 men, mean age 41.8 (SD 14.4) years). The national prevalence of diabetes was 18.1% (95% CI: 15.4% to 20.8%), with higher rates among women (21.4%, 95% CI: 18.0% to 24.7%) than men (15.1%, 95% CI: 10.9% to 19.3%). Sex-specific diabetes prevalence varied significantly across urban and rural areas (p=0.002 for interaction). In rural areas, diabetes was twice as common among women (24.1%, 95% CI: 20.1% to 28.2%) compared with men (11.8%, 95% CI: 7.7% to 15.9%). After adjusting for prespecified covariates, rural women had double the odds of diabetes compared with rural men (OR 2.1, 95% CI: 1.20 to 3.82). This prevalence pattern was reversed in urban areas (diabetes prevalence, women: 13.9%, 95% CI: 8.7% to 19.0%; men: 22.0%, 95% CI: 12.9% to 31.1%), with urban women having half the odds of diabetes compared with urban men (OR 0.4, 95% CI: 0.20 to 0.99). We estimated that nearly one-third of women and over a quarter of men had diabetes or pre-diabetes. CONCLUSIONS: The burden of diabetes in Guyana is considerably higher than previously estimated, with an unexpectedly high prevalence among women-particularly in rural areas.
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 | 0,004 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».