MétaCan
Menu
Retour à la cohorte
Enregistrement W4393031404 · doi:10.1371/journal.pone.0286245

Cardiovascular risk factors among nurses: A global systematic review and meta-analysis

2024· review· en· W4393031404 sur OpenAlexaboutno aff
Saghar Khani, Sima Rafiei, Ahmad Ghashghaee, Maryam Masoumi, Srva Rezaee, Golnaz Kheradkhah, Bahare Abdollahi

Notice bibliographique

RevuePLoS ONE · 2024
Typereview
Langueen
DomaineHealth Professions
ThématiqueWorkplace Health and Well-being
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineOverweightMeta-analysisFamily historyBlood pressurePopulationRisk factorInternal medicineInclusion and exclusion criteriaDiseaseEpidemiologyObesityPhysical therapyGerontologyEnvironmental healthPathologyAlternative medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Nurses as the largest group of health workers have a very stressful job which can cause number of diseases specially increase cardiovascular risk factors. This study aims to investigate the overall epidemiology of cardiovascular disease (CVD) risk factors among nurses. METHOD: We searched all four main databases such as Scopus, PubMed, Embase and Web of Sciences from the beginning of 2000 to March 2022 with appropriate Mesh Terms. We also searched Google scholar. Then we applied inclusion and exclusion criteria and after selection the studies the Newcastle-Ottawa Scale (NOS) was used to assess the methodological quality of included studies. Comprehensive Meta-analysis and R software was used for analysis. RESULTS: Finally, 22 articles with a total number of 117922 nurses were included. Among all risk factors, sedentary lifestyle and lack of regular physical activity with a prevalence of 46.3% (CI 95%, 26.6-67.2) was regarded as the main prevalent risk factor among nurses. The mean systolic blood pressure (SBP) measured in the study population was 121.31 (CI 95%, 114.73-127.90) and the mean diastolic blood pressure (DBP) was 78.08 (CI 95%, 74.90-81.25). Also family history of cardiovascular disease (41.9%; 95% IC: 29.8-55.1%), being overweight (33.3%; 95% IC: 24.7-43.2%), and alcohol consumption (24.6%; 95% IC: 16.4-35.2%) was found among the participants. CONCLUSION: Study results revealed that sedentary lifestyle was the main prevalent CVD risk factor among nurses followed by family history of cardiovascular disease, being overweight and alcohol consumption. Furthermore, among nurses with shift works almost all risk factors got higher score representing the worse condition in comparison with day workers' nurses. This study enables learning the associated risk factors of CVD among nurses to facilitate interventional programs with a view to reduce the exposure of nursing staff particularly those who work in shifts to cardiovascular risk factors. 1. WHAT WAS ALREADY KNOWN?: In general, many studies have emphasized the impact of the nursing profession on the incidence of some cardiovascular patients. Also, different shifts of nurses can have a double effect. 2. WHAT ARE THE NEW FINDINGS?: In this study, the mean for sedentary lifestyle was reported to be 46.3% which represented the most prevalent risk factor for cardiovascular risk factors among study population. 3. WHAT IS THEIR SIGNIFICANCE?: This study enables learning the associated risk factors of CVD among nurses to facilitate interventional programs with a view to reduce the exposure of nursing staff particularly those who work in shifts to cardiovascular risk factors. This information can comprise essential tools for health human resource management contributing to advance nursing.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,016
score de la tête « metaresearch » (Gemma)0,030
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,086

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0160,030
Méta-épidémiologie (sens strict)0,0030,002
Méta-épidémiologie (sens large)0,0200,035
Bibliométrie0,0120,011
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0020,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,180
Tête enseignante GPT0,417
Écart entre enseignants0,237 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeMéta-analyse
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations14
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePLoS ONEMême sujetWorkplace Health and Well-beingTravaux en français237 207