Evaluation of predominant risk factors for type 2 diabetes mellitus among out-patients in two Nigerian secondary health facilities
Notice bibliographique
Résumé
BACKGROUND: Prevention of type 2 diabetes is enabled by identification and effective management of risk factors. OBJECTIVES: To evaluate the predominant risks for type 2 diabetes and identify persons at highest risk in a population; to facilitate the understanding of implications for practice. METHODS: Cross-sectional survey using Canadian diabetes risk assessment questionnaire was conducted among non-diabetic persons who visited two secondary hospitals. SPSS version 18 was used for data analysis. RESULTS: A total of 300 respondents participated in the study, with 25.7% having family history of type 2 diabetes, while 160 (53.3%) were at high risk of developing the disease. Males (62.5%), overweight (65.1%) and obese (82.6%) participants, were at higher risk. Others found to be at high risk were respondents with high waist circumference (55.6%), respondents who did not exercise (77.0%), those who did not eat fruits/vegetable daily (54.4%), those with high blood pressure (67.5%) and those who have had raised blood sugar in the past (71.0%). CONCLUSION: Majority of the study participants was at high risk for type 2 diabetes, male participants had higher risks and lifestyles/habits were the major risks for developing the disease..
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 | 0,007 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».