Prevalence and factors associated with prediabetes and diabetes mellitus among adults: Baseline findings of PURE Malaysia cohort study
Notice bibliographique
Résumé
BackgroundDiabetes mellitus (DM) is a silent killer that is responsible for almost 1.6 million deaths annually, particularly among those who are undiagnosed during its early stage. Prediabetes has become a growing public health concern due to its potential to progress to DM. This study thus aimed to determine the prevalence of prediabetes and DM and their associated factors among Malaysian adults.MethodsA cross-sectional study was conducted among adults 35–70 years of age residing in rural and urban areas in Malaysia. Blood samples (finger prick test) and physical examinations were conducted on 4982 participants who consented to participate in this study. A pre-validated questionnaire consisting of the International Physical Activity Questionnaire and medical history was used to assess physical activity level and family history of DM, respectively. Multinomial logistic regression models were used to identify the factors associated with prediabetes and DM.ResultsThe prevalence of prediabetes and DM were 10.8% and 11.9%, respectively. Participants who were ≥50 years old, male, Malay, or physically inactive or had hypertension or a family history of DM had higher odds of having prediabetes and DM. Unique to DM, individuals with a lower educational level were more likely to have DM.ConclusionsPrediabetes health screening is critical in the Malaysian population. Early detection of prediabetes promotes early intervention, including lifestyle modifications, to prevent progression to DM. The factors associated with prediabetes and DM identified in this study will assist in disease prevention and facilitate more efficient management strategies in this population.
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 | 0,014 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 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 | 0,000 |
| 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 ».