MétaCan
Menu
Retour à la cohorte
Enregistrement W3093165001 · doi:10.1371/journal.pone.0240971

Prevalence of metabolic syndrome among adult population in India: A systematic review and meta-analysis

2020· review· en· W3093165001 sur OpenAlexaboutno aff
Yuvaraj Krishnamoorthy, Sathish Rajaa, Sharan Murali, Tanveer Rehman, Jayaprakash Sahoo, Sitanshu Sekhar Kar

Notice bibliographique

RevuePLoS ONE · 2020
Typereview
Langueen
DomaineMedicine
ThématiqueDiabetes, Cardiovascular Risks, and Lipoproteins
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMeta-analysisFunnel plotMedicinePublication biasCochrane LibraryDemographyConfidence intervalPopulationMEDLINEEnvironmental healthInternal medicineBiology

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: This review was done to determine the prevalence of metabolic syndrome (MS) among adult general population in India. We also wanted to find the gender, setting, and region-wide distribution of MS in India. METHODS: We conducted systematic searches in various databases including Medline, ScienceDirect, Cochrane library and Google Scholar from inception until August 2019. We included studies conducted in India reporting the prevalence of MS among adults aged 18 years or more. We used the Newcastle Ottawa scale to assess the quality of included studies. We carried out a meta-analysis with random-effects model and reported pooled prevalence with 95% confidence intervals (CIs). We used the Funnel plot to assess publication biases. RESULTS: In total, we analysed 113 data from 111 studies with 133,926 participants. Majority of the included studies (76 out of 111) had low risk of bias. We found significant heterogeneity among the included studies (p<0.001). We also found a symmetrical funnel plot indicating an absence of publication bias. The prevalence of MS among adult population in India was 30% (95%CI: 28%-33%). There was a steady increase in the burden across the age groups from 13% (18-29 years group) to 50% (50-59 years). We also found that people living in urban areas (32%; 95%CI: 29%-36%) had higher prevalence when compared to tribal (28%; 95%CI: 21%-36%) or rural adults (22%; 95%CI: 20%-25%). Gender distribution of MS showed that the females had higher prevalence (35%; 95%CI: 31%-38%) when compared to males 26% (95%CI: 22%-29%). CONCLUSION: Almost one in three adults in India suffer from MS. Females, people living in urban areas and in northeast region had higher prevalence of MS. Development and implementation of policies and protocols for the screening of MS would enable us in early diagnosis and treatment with special focus towards the vulnerable and high-risk groups.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Méta-épidémiologie (sens large)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,488
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0230,004
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,079
Tête enseignante GPT0,284
Écart entre enseignants0,205 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeMéta-analyse
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations191
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePLoS ONEMême sujetDiabetes, Cardiovascular Risks, and LipoproteinsTravaux en français237 207