Pre-diabetes, Diabetes Mellitus and Related Cardio-metabolic Risk Factors in the Southern Coastal Region of Iran Middle-aged and Elderly Population; Bandare-Kong Cohort Study
Notice bibliographique
Résumé
Background: To evaluate the prevalence of type 2 diabetes mellitus (T2DM), impaired fasting glucose (IFG), and its cardio-metabolic risk factors in the southern Iranian adult population. Methods: This is a population-based cross-sectional survey on 3944 middle-aged and elderly adults (35–70 years) from Bandare-Kong. The participants were recruited from 2016 to 2018 and the first phase data of the Bandare-Kong Cohort as a part of the PERSIAN Cohort were used for analysis. Results: Among the 3944 included adults, the age-adjusted prevalence of T2DM and IFG was 17.40% and 20.61%, respectively. Mean FPG was higher among those older than 55 years, females, rural residents, current cigarette smokers, hypertriglyceridemia, hypercholesterolemia, unemployed and low educational level in subjects with diabetes and pre-diabetes. T2DM and IFG were more prevalent in women and men, respectively. Also, those with higher waist circumference (WC), higher body mass index (BMI), lower educational levels, rural residents, former cigarette smokers, hypertension (HTN), hypercholesterolemia, hypertriglyceridemia and age older 45 years, had a higher T2DM and IFG prevalence. Multivariable regression analysis showed that older age, higher WC, HTN and hypertriglyceridemia and living in rural regions were statistically significant predictors of T2DM and pre-diabetes while BMI≥25 kg/m2 was the only significant risk factor for IFG. Conclusion: The current study illustrated that T2DM and IFG have a high prevalence among the middle-aged and elderly adult Iranian population, particularly in rural dwellers. Hence, prevention strategies should be implemented to reduce diabetes and pre-diabetes, especially in rural 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 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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».