The Effectiveness of Community-based Cardiovascular Risk Factors Screening Program in Rural Community Shopping Mall: Health Takes Heart Study
Notice bibliographique
Résumé
Cardiovascular disease (CVD) significantly impacts rural communities due to the high CVD prevalence rates compared with urban communities. This study aimed to assess the effectiveness of a community-based screening program for CVD risk factors by employing established risk factor scoring in a rural community. In this descriptive cross-sectional study, 1582 participants aged 20 and above participated in the screening program. Data was collected using a self-report questionnaire and measuring other CVD risk factors directly. The metabolic syndrome score and Framingham risk score (FRS) for 10-years of risk of developing heart attack and death were calculated for all participants. Then the level of follow-up with family physicians (FPs) following a screening program for CVD risk factors and a brief one-on-one educational intervention from a Registered Nurse to modify their risk factors was evaluated. The result revealed that 77% of the participants had 1 to 3 risk factors, and 52.7% followed up with FPs. Hypertension and abdominal obesity were the most common risk factors, with 51.1% and 55%, respectively. This study showed that 36.2% of the population had moderate to high FRS (death/MI>20%), and 30% had a high metabolic syndrome score. Community-based CVD risk factor screening successfully identified a high ratio of participants with high CVD risk factors and FRS. The screening program and educational interventions were beneficial in increasing public awareness of CVD risk factors, and a high percentage of participants with high FRS followed up with their FPs.
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 | 0,060 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,003 |
| 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 ».