High Urban-Rural Inequities of Abdominal Obesity in Malawi: Insights from the 2009 and 2017 Malawi Noncommunicable Disease Risk Factors Surveys
Notice bibliographique
Résumé
Geographical disparities in abdominal obesity (AO) exist in low-income countries due to major demographic and structural changes in urban and rural areas. We aimed to investigate differences in the urban–rural prevalence of AO in the Malawi population between 2009 and 2017. We conducted a secondary analysis of data from the Malawi 2009 and 2017 STEPS surveys. AO (primary outcome) and very high waist circumference (secondary outcome) were defined using WHO criteria. Prevalence estimates of AO and very high waist circumference (WC) were standardized by age and sex using the age and sex structure of the adult population in Malawi provided by the 2018 census. A modified Poisson regression analysis adjusted for sociodemographic covariates was performed to compare the outcomes between the two groups (urban versus rural). In total, 4708 adults in 2009 and 3054 adults in 2017 aged 25–64 were included in the study. In 2009, the age–sex standardized prevalence of AO was higher in urban than rural areas (40.9% vs 22.0%; adjusted prevalence ratio [aPR], 1.51; 95% confidence interval [CI], 1.36–1.67; p < 0.001). There was no significant trend for closing this gap in 2017 (urban 37.0% and rural 21.4%; aPR, 1.48; 95% CI, 1.23–1.77; p < 0.001). This urban–rural gap remained and was slightly wider when considering the ‘very high WC’ threshold in 2009 (17.0% vs. 7.1%; aPR, 1.98; 95%CI, 1.58–2.47; p < 0.001); and in 2017 (21.4% vs. 8.3%; aPR, 2.03; 95%CI, 1.56–2.62; p < 0.001). Significant urban–rural differences exist in the prevalence of AO and very high WC in Malawi, and the gap has not improved over the last eight years. More effective weight management strategies should be promoted to reduce health care disparities in Malawi, particularly in urban areas.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».