Prevalence and Factors Associated with Prehypertension and Hypertension Among Adults: Baseline Findings of PURE Malaysia Cohort Study
Notice bibliographique
Résumé
Background: Although prehypertension and hypertension can be detected at the primary healthcare level and low-cost treatments can effectively control its complications, hypertension is still the world's leading preventable risk factor. Therefore, the present study aimed to determine its prevalence and its risk factors among Malaysian adults. Methods: A cross-sectional study involving 7585 adults was performed covering the rural and urban areas. Respondents with systolic blood pressure (SBP) of 120-139 mmHg and/or diastolic blood pressure (DBP) of 80-89 mmHg were categorized as prehypertensive, and hypertensive categorization was used for respondents with an SBP of ≥140 mmHg and/or DBP of ≥90 mmHg. Results: Respondents reported to have prehypertension and hypertension were 40.7% and 38.0%, respectively. Those residing in a rural area, older age, male, family history of hypertension, and overweight or obese were associated with higher odds of prehypertension and hypertension. Unique to hypertension, the factors included low educational level (AOR: 1.349; 95% CI: 1.146, 1.588), unemployment (1.350; 1.16, 1.572), comorbidity of diabetes (1.474; 1.178, 1.844), and inadequate fruit consumption (1.253; 1.094, 1.436). Conclusions: As the prehypertensive state may affect the prevalence of hypertension, proactive strategies are needed to increase early detection of the disease among specific group of those residing in a rural area, older age, male, family history of hypertension, and overweight or obese.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».