Prevalence and determinants of hypertension in underrepresented indigenous populations of Nepal
Notice bibliographique
Résumé
Indigenous populations residing in low- and middle-income countries (LMICs) are highly underrepresented in medicine and public health research. Specifically, data on non-communicable diseases (NCDs) from indigenous populations remains scarce. Despite the increasing burden of NCDs in the Himalayan region, their prevalence in many indigenous populations remains understudied. The nationally representative public health surveys often do not include the indigenous communities, especially those that reside in rural areas or exist in small numbers. This observational cross-sectional survey study aimed to assess the prevalence of three NCD risk factors namely obesity, hypertension, and tachycardia and identify dietary and lifestyle variables associated with them across underrepresented indigenous populations of Nepal. A total of 311 individuals (53.3% women, 46.7% men) with mean age 43±15 years from 12 indigenous Nepali communities residing in rural (47.9%) or semi-urban (52.1%) areas volunteered to participate in this study. Univariate tests and multivariable logistic regressions were used to analyze the survey data. The mean systolic and diastolic blood pressures were 121.3±19.5 mmHg and 81.3±11.8 mmHg respectively. Overall, the prevalence of obesity and tachycardia was low (0.64% and 3.22%, respectively) but hypertension was prevalent at 23.8%. Hypertension was not significantly different across populations, but it was associated with age, BMI, and tobacco use, and collectively, these variables explained 13.9% variation in hypertension prevalence. Although we were unable to detect direct associations between individual determinants of hypertension identified in non-indigenous Nepalis, such as education levels, alcohol consumption, and smoking in this study, having one or more determinants increased the odds of hypertension in the indigenous participants. Furthermore, ~14% of the hypertensive individuals had none of the universally identified hypertension risk factors. The lack of association between previously identified risk factors for hypertension in these individuals indicates that the additional determinants of hypertension remain to be identified in indigenous Nepali populations.
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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».