Sex-specific-evaluation of metabolic syndrome prevalence in Algeria: insights from the 2016–2017 non-communicable diseases risk factors survey
Notice bibliographique
Résumé
Metabolic syndrome (MetS) is a core driver of cardiovascular diseases (CVD); however, to date, gender differences in MetS prevalence and its components have not been assessed in the Algerian adult general population. This study aimed to determine the gender differences in MetS prevalence and its components, in the general population of Algeria. Secondary analysis was performed on data from the Algerian 2016-2017 non-communicable disease risk factor survey. MetS was determined according to the harmonized Joint Interim Statement criteria. A Poisson regression model based on Generalised Estimating Equations was used to estimate the adjusted prevalence ratios (aPR) for the sex-specific factors associated with MetS. Overall, the prevalence of MetS was 34.0% (95% CI 32.4-35.6). MetS prevalence in women and men was 39.1% (95% CI 37.0-41.3) and 29.1% (95% CI 27.2-31.2), respectively. The most frequent triad was the clustering of abdominal obesity with low HDL-cholesterol and high blood pressure among women (8.9%; 95% CI [8.0-10.0]) and low HDL-cholesterol with high blood pressure and hyperglycaemia among men (5.2%; 95% CI [4.3-6.3]). Increasing age (aPR 3.21 [2.35-4.39] in men and aPR 3.47 [2.86-4.22] in women), cohabitation (aPR 1.14 [1.05-1.24]), women residing in urban areas (aPR 1.13 [1.01-1.26]), men with higher educational levels (aPR 1.39 [1.14-1.70]), and men with insufficient physical activity (aPR 1.16 [1.05-1.30]) were associated with higher risk of MetS. In this population-based study, one in three Algerian adults had MetS, and key components including abdominal obesity, low HDL-cholesterol, and high blood pressure, are very common, especially in women. Reinforcing interventions for weight management targeting married women living in urban areas and improving sufficient physical activity in men with higher socioeconomic status could provide maximal health gains and stem the CVD epidemic in Algeria.
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 | 0,001 | 0,001 |
| 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 | 0,000 | 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 ».