Association of household wealth and education level with hypertension and diabetes among adults in Bangladesh: a propensity score‐based analysis
Notice bibliographique
Résumé
OBJECTIVE: To determine the association of household wealth and education level with hypertension and diabetes in Bangladesh using propensity score (PS) analyses. METHODS: A nationally representative sample of the Bangladesh Demographic and Health Survey 2017-18 was analysed to explore the research question. A weighted sample of 11 320 individuals was considered. Hypertension and diabetes were the outcomes of interest, and household wealth status (non-poor and poor) and education level (secondary/higher education and no secondary/higher education) were the exposure variables of interest. A person was defined as hypertensive if their average blood pressure was ≥140/90 mmHg or self-reported history of taking antihypertensive medications. Individuals were classified as diabetic if they had a Fasting Blood Glucose level of ≥7 mmol/l or reported taking prescribed medication for reducing high blood glucose or diabetes. We used the 1:1 nearest neighbour PS matching without replacement and PS weighting approaches to assess the association between the exposures and the outcome variables. RESULTS: Wealth status was significantly associated with diabetes but not with hypertension, while education status was significantly associated with neither diabetes nor hypertension. We also observed a significant interaction effect between household wealth status and education level with diabetes. The odds of diabetes were approximately 60% higher among adults from non-poor households and those without secondary/higher education. CONCLUSION: Diabetes prevention and control programs should focus on non-poor individuals, while hypertension prevention programs should target populations irrespective of educational attainment and wealth status.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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) | 0,000 | 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 ».