ETHNIC DIFFERENCES IN THE ASSOCIATION BETWEEN HANDGRIP STRENGTH AND THE PREVALENCE OF HYPERTENSION
Notice bibliographique
Résumé
Abstract Objective: Higher prevalence of hypertension among afro-descendants compared to other ethnic groups has been reported in high-income countries. Genetic, behavioral, and socioeconomic factors could explain these differences, and body composition could contribute. This study aims to assess the association between handgrip strength (HGS) and hypertension in different ethnicities in a middle-income country. We additionally evaluated the role of socioeconomic and behavioral factors to explain ethnic differences. Design and method: We evaluated the association between HGS measured by Jamar Dynamometer and the risk hypertension in 4102 adults aged 35 to 70 years from 3 ethnic groups (593 whites, 3001 mestizos, 508 afro-descendants) enrolled in the prospective population-based cohort study PURE-Colombia. We calculated unadjusted and adjusted odds ratios (95% CI) for the prevalence of hypertension across tertiles of HGS and the association with anthropometric, socioeconomic, and behavioral factors. Results: Results: The overall prevalence of hypertension was 39.2%, being greater in the afro-descendants (46.3%) than in whites (41.5%) and mestizos (37.6%). A higher prevalence of hypertension was found in mestizos and afro-descendants in tertile 1 of HGS (< 21 kg) compared to those in tertile 3 of HGS (> 29.7 kg) (OR = 1.48; 95% CI: 1.20 - 1.84 and OR = 1.70; 95% IC: 1.01 – 2.85, respectively). However, when adjusting by confounders, the association lost statistical significance. The prevalence of hypertension was positively associated with body mass index and waist circumference. There was a higher prevalence amongst individuals with a low educational level compared to those with a high educational level in whites (OR = 1.74; 95% CI: 1.08 - 2.78), mestizos (OR = 1.5 95% CI: 1.13 - 2.01), and afro-descendants (OR = 2.46; 95% CI: 1.11 - 5.45). Behavioral factors, such as alcohol and tobacco intake, protein, and fat consumption, were not associated with a higher prevalence of hypertension. Conclusions: HGS could partially contribute to explaining ethnic differences in the prevalence of hypertension. However, socioeconomic factors such as education level play a key role. Therefore, a greater focus on screening for low HGS, interventions aimed at attenuating age-related declines, and addressing social inequalities could positively impact these differences.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».