Higher Prevalence of Diabetes Mellitus and Impaired Glucose Tolerance Among the Rural Population in Bulgaria
Notice bibliographique
Résumé
Background: The socio-economic level is probably among the central risk factors for type 2 diabetes mellitus (T2DM) along with obesity, decreased physical activity and smoking. The International Diabetes Federation notes in particular that the main impact in the prevalence of diabetes is observed in low and middle-income countries, hence the disease might disproportionately affect lower socio-economic groups. The aim of the study was to determine the prevalence of diabetes and impaired glucose tolerance (IGT) and assess its association with the type of place of residence in Bulgaria - cities, small towns and villages. Methods: We surveyed 2,032 subjects from five major geographic regions of the country, with age and gender proportions according to the latest population census - 27.5% rural population and 72.5% urban population. We included 1,076 women (53%) and 956 men (47%), with a mean age of 49.3 ± 14.8 years (20 - 80 years). Fasting blood glucose was measured in all participants and when indicated oral glucose tolerance test was performed. Diabetes was defined according to the WHO criteria (1999). Results: The prevalence of known T2DM, previously unknown T2DM and IGT was significantly higher among the rural population than in the city population - known T2DM: 8.6% (46/535) vs. 6% (62/1,031), P < 0.02; previously unknown T2DM: 3.55% (19/535) vs. 1.74% (18/1,031), P < 0.02; IGT: 2.4% (13/535) vs. 1.1% (12/1,031), P < 0.04. The combined prevalence of diabetes (known and unknown) and IGT (impaired fasting glucose (IFG) + IGT) was 16.44% (88/535) in the rural population, 14.13% (66/467) (NS) in small towns, and 11.16% in cities (115/1,030) (P < 0.01). Conclusions: National screening programs for diabetes should focus on the rural population due to the higher diabetes prevalence that might be explained by multiple adverse socio-economic factors. J Endocrinol Metab. 2016;6(2):52-58 doi: http://dx.doi.org/10.14740/jem334w
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 | 0,000 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,003 | 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 ».