The Rise in Cardiovascular Risk Factors and Chronic Diseases in Guyana: A Narrative Review
Notice bibliographique
Résumé
Background: Guyana experiences health challenges related to both communicable and non-communicable diseases. Cardiovascular disease (CVD) is the most common non-communicable disease in Guyana. The main causes of the increased prevalence of non-communicable diseases are modifiable risk factors (e.g. obesity, hypertension, elevated cholesterol, unhealthy dietary patterns) and non-modifiable risk factors (e.g. age and genetics). Objective: The aim of this review is to understand CVD and risk factor data, in the context of ethnicity in Guyana. Methods: A review of the published literature as well as government and international health agency reports was conducted. All publications from 2002-2018 describing CVD and related risk factors in Guyana were screened and extracted. Findings: The population of Guyana is comprised of six ethnic groups, of which East Indian (39.8%) and African (29.3%) are the majority. CVD accounts for 526 deaths per 100,000 individuals per year. Among Indo-Guyanese and Afro-Guyanese, CVD is the primary cause of death affecting 32.6% and 22.7% of the populations, respectively. Within the Indo-Guyanese and Afro-Guyanese communities there is a high prevalence of hypertension and diabetes among individuals over the age of 50. There is a lack of available data describing ethnic disparities in CVD and related risk factors such as obesity, smoking, alcohol, physical activity and diet in Guyana. Conclusions: Important knowledge gaps remain in understanding the ethnic disparities of CVD and related risk factors in Guyana. Future research should focus on high risk populations and implement widespread screening and treatment strategies of common risk factors such as hypertension, diabetes, and elevated cholesterol to curb the epidemic of CVD in Guyana.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| Bibliométrie | 0,000 | 0,002 |
| 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 ».