Exploring educational inequalities in hypertension control, salt knowledge and awareness, and patient advice: insights from the WHO STEPS surveys of adults from nine Eastern European and Central Asian countries
Notice bibliographique
Résumé
OBJECTIVE: To inform strategies aimed at improving blood pressure (BP) control and reducing salt intake, we assessed educational inequalities in high blood pressure (HBP) awareness, treatment and control; physician's advice on salt reduction; and salt knowledge, perceptions and consumption behaviours in Eastern Europe and Central Asia. DESIGN: Data were collected in cross-sectional, population-based nationally representative surveys, using a multi-stage clustered sampling design. Five HBP awareness, treatment and control categories were created from measured BP and hypertension medication use. Education and other variables were self-reported. Weighted multinomial mixed-effects regression models, adjusted for confounders, were used to assess differences across education categories. SETTINGS: Nine Eastern European and Central Asian countries (Armenia, Azerbaijan, Belarus, Georgia, Kyrgyzstan, Republic of Moldova, Tajikistan, Turkey and Uzbekistan). PARTICIPANTS: Nationally representative samples of 30 455 adults aged 25-65 years. RESULTS: HBP awareness, treatment and control varied substantially by education. The coverage of physician's advice on salt was less frequent among participants with lower education, and those with untreated HBP or unaware of their HBP. The education gradient was evident in salt knowledge and perceptions of salt intake but not in salt consumption behaviours. Improved salt knowledge and perceptions were more prevalent among participants who received physician's advice on salt reduction. CONCLUSIONS: There is a strong education gradient in HBP awareness, treatment and control as well as salt knowledge and perceived intake. Enhancements in public and patient knowledge and awareness of HBP and its risk factors targeting socio-economically disadvantaged groups are urgently needed to alleviate the growing HBP burden in low- and middle-income countries.
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 | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».