Assessment and prediction of cardiovascular risk and associated factors among tribal population of Assam and Mizoram, Northeast India: A cross-sectional study
Notice bibliographique
Résumé
BackgroundCardiovascular diseases (CVD) are major health concerns and the leading cause of mortality globally. In India, tribal people are limited to rural areas and often associated with undiagnosed, uncontrolled disease risk factors. In this study, we explore the CVD risk factors and predict the ten-year CVD risk in tribal populations of Assam and Mizoram, Northeast India.MethodsThis community-based cross-sectional study was conducted in Assam and Mizoram from 2019 to 2022. The details of demographics, socioeconomic status, and anthropometric data were collected, and participants were evaluated for cardiometabolic risk factors using serum samples. To identify cardio-metabolic risk-associated factors, we performed a logistic regression analysis. The ten-year CVD risk was calculated using the Framingham general cardiovascular risk prediction equations.ResultsThe study included 1812 participants from the villages of Assam (n = 708) and Mizoram (n = 1104). It was observed that Mizoram's tribal males who were overweight, >35 years of age, with higher systolic (SBP) and diastolic blood pressure (DBP), and low levels of high-density lipoproteins (HDL) had a higher chance of developing cardiovascular disease over the next ten years. Multiple regression analysis revealed that age, gender, body mass index (BMI), smoking habits, and alcohol consumption were the risk factors that elevate SBP, DBP, blood glucose, and lipid levels and contribute to CVD risk among the tribal population.ConclusionOur findings highlight distinct risk factors contributing to cardiovascular risks within the tribal communities of Assam and Mizoram. Hence, it is essential to raise awareness among the tribal population and educate them on adopting a healthy lifestyle.
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 | 0,016 | 0,005 |
| 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 | 0,001 |
| 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 ».