Effects of lifestyle interventions on cardiovascular risk factors in South Asians: a systematic review and meta-analysis
Notice bibliographique
Résumé
BACKGROUND: The cardiovascular disease (CVD) burden among South Asians is high. Lifestyle interventions have been effective in the primary prevention of CVD, but this has not been replicated, through a synthesis of randomised trials, in South Asians. METHODS: statistic. The Grades of Recommendation, Assessment, Development, and Evaluation (GRADE) framework was used to report on the quality of evidence (International Prospective Register of Systematic Reviews registration (PROSPERO). RESULTS: Thirty-five studies were included. Twelve tested diet and physical activity interventions; 18 tested diet alone; and 5 tested physical activity alone. All reported effects of the intervention(s) on at least one established risk factor for CVD, including blood pressure (systolic blood pressure (SBP), diastolic blood pressure (DBP) and blood lipids (high-density lipoprotein cholesterol (HDLc), low-density lipoprotein cholesterol (LDLc) or triglycerides). No trials reported clinical CVD. There is moderate-quality evidence that diet and physical activity interventions improve SBP (mean difference (MD) -2.72 mm Hg, 95% CI -4.11 to -1.33) and DBP (MD -1.53 mm Hg, 95% CI -2.57 to -0.48); high-quality to moderate-quality evidence that diet-only interventions improve DBP (MD -2.05 mm Hg, 95% CI -2.93 to -1.16) and blood lipids (triglycerides (MD -0.10 mmol/L, 95% CI -0.14 to -0.06) and LDLc (MD -0.19 mmol/L, 95% CI -0.32 to -0.06)); and moderate-quality evidence that physical activity-only interventions improve SBP (MD -9.7 mm Hg, 95% CI -11.05 to -8.35), DBP (MD -7.29 mm Hg, 95% CI -8.42 to -6.16) and HDLc (MD 0.08 mmol/L, 95% CI 0.04 to 0.11) compared with usual care. CONCLUSIONS: Lifestyle interventions improve blood pressure and blood lipid profiles in adult South Asians at risk of CVD. Tailored interventions should be used to modify cardiovascular risk factors in this at-risk group. PROSPERO REGISTRATION NUMBER: CRD42018090419.
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 | 0,015 | 0,029 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,021 | 0,037 |
| Bibliométrie | 0,007 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| 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 ».