Prevalence and Associated Factors with Ideal Cardiovascular Health Metrics in Bangladesh: Analysis of the Nationally Representative STEPS 2018 Survey
Notice bibliographique
Résumé
This study aims to find out the prevalence of the American Heart Association's (AHA)'s cardiovascular health metrics and associated socio-demographic factors. A secondary analysis of the World Health Organization (WHO) STEPwise approach to surveillance survey 2018 (STEPS 2018) data was conducted. Ideal Cardiovascular Health (ICH) was defined as the presence of 5-7 ideal metrics as defined by the AHA. Design-adjusted multivariable logistic regression was used to determine the associated factors of ICH. In total, 5930 respondents were included in our analysis, and 43.1% of the participants had ICH. The odds of ICH decreased with age [compared to 18-29 years old individuals, 30-49 years: AOR (Adjusted Odds Ratio): 0.4; 95% Confidence Interval (CI): 0.4-0.5; 50-69 years: AOR: 0.7; 95% CI: 0.6-0.8], and higher educational attainment (compared to those who received no formal education, being educated up to primary level: AOR:0.7; 95% CI: 0.6-0.8; being educated up to secondary level: AOR: 0.4; 95% CI: 0.4-0.5; being educated up to college and higher: AOR: 0.4; 95% CI: 0.3-0.5). Compared with female and urban residents, the odds were 30% and 40% less among male and rural residents, respectively. The public health promotion programs of Bangladesh should raise awareness among high-risk groups to prevent cardiovascular diseases.
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 | 0,001 | 0,002 |
| 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 | 0,000 | 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) | 0,001 | 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 ».