Prevalence of Sex-Specific Cardiovascular Disease Risk Factors, Medical Risk, and Engagement in Health-Promoting Behaviours in Premenopausal Females
Notice bibliographique
Résumé
Background: Several sex-specific risk factors (SS-RFs) increase a women's risk for cardiovascular disease (CVD) but are often overlooked during risk assessment. The purpose of this study was to identify the prevalence of SS-RFs and assess CVD risk, knowledge, perceptions and behaviours in premenopausal Canadian women. Methods: An online survey was distributed across Canada to premenopausal biological females (19-49 years of age). The survey gathered demographics, medical history, engagement in health-promoting behaviours, and knowledge and perceptions of CVD risk. CVD risk was calculated using medical risk and SS-RFs were tabulated from medical history. Results: A total of 2559 participants (33 ± 8 years) completed the survey. The majority of our sample (82%) was classified as low medical risk. Of those classified as low risk, 35% had at least 1 SS-RF. Of high-risk individuals, 70% underestimated their risk, 21% of whom perceived themselves as low risk. Engagement in health behaviours was suboptimal. Knowledge of traditional CVD risk factors and prevention was relatively high; however, less than one-half were aware of SS-RFs such as early menopause (39.4%). Conclusions: Considering both traditional and SS-RFs, 47% of premenopausal Canadian women may be at risk for developing CVD. Of those deemed low medical risk for developing CVD, more than one-third reported having at least 1 SS-RF. Canadian women have poor knowledge of the risks associated with SS-RFs, lack sufficient awareness of the need for prevention of CVD, and are not engaging in sufficient health-promoting behaviours to mitigate future CVD risk.
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 | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 ».