Prevalence of hypertension among adolescents (10-19 years) in India: A systematic review and meta-analysis of cross-sectional studies
Notice bibliographique
Résumé
BACKGROUND: Despite the well-known short-term and long-term ill effects of elevated blood pressure in children and adolescents, pooled data on its burden among Indian adolescents have not yet been synthesized. OBJECTIVES: We did a systematic review with meta-analysis to calculate the pooled prevalence of hypertension among adolescents (10-19 years) in India. METHODS: We searched PubMed, Embase, Cochrane library, Google Scholar and IndMed, and included cross-sectional studies reporting data on hypertension prevalence among 10 to19 years old and published in English language from their inception till 1st March 2020. Modified New castle Ottawa scale was used to assess risk of bias based on research design, recruitment strategy, response rate and reliability of outcome determination. A random effects model was used to estimate pooled prevalence, and heterogeneity was assessed using Cochrane's Q statistic test of heterogeneity and I2 statistic. To explore the heterogeneity, we did a meta-regression, and sub-group analyses based on region, study setting and number of blood pressure readings. RESULTS: Out of 25 studies (pooled sample of 27,682 participants) six studies were of high, eighteen of moderate, and one was of low quality. The prevalence of hypertension across studies ranged from 2% to 20.5%, with a pooled estimate of 7.6% (95% CI: 6.1 to 9.1%), I2 = 96.6% (p-value <0.001). Sub-group analysis restricted only to the western India demonstrated a smaller heterogeneity (I2 = 18.3%). In univariate model of meta-regression, diagnostic criteria was significantly associated with pooled prevalence (-4.33, 95%CI: -7.532, -1.134). CONCLUSION: The pooled prevalence of hypertension among adolescent in India is 7.6% with substantial heterogeneity between the studies. To tackle the high prevalence of hypertension among adolescents, early detection by screening under school health programme and opportunistic screening at Paediatric OPD should be implemented by Policy makers.
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 | 0,018 | 0,040 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,020 | 0,041 |
| Bibliométrie | 0,010 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».