Prevalence and Associated Factors with Ideal Cardiovascular Health Metrics in Bangladesh: Analysis of the Nationally Representative STEPS 2018 Survey
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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.
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 | 0,012 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,004 |
| 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 | 0,001 |
| 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 découle