Associations between hypertension with reproductive and menopausal factors: An integrated women’s health programme (IWHP) study
Notice bibliographique
Résumé
BACKGROUND: Women are less likely to have classic cardiovascular risk factors than men, and events during their reproductive and menopausal years may increase hypertension risk. The aim of this study is to examine woman-specific factors, including menstrual, reproductive and pregnancy complications, in relation to the prevalence of hypertension in mid-life Asian women. METHODS: This is a cross-sectional study of 1146 healthy women aged 45-69 years, from a multi-ethnic Asian cohort. The women completed an extensive questionnaire that included their sociodemographic details, medical history, lifestyle and physical activity, and reproductive and menopausal history. They also underwent objectively measured physical performance tests and a dual X-ray absorptiometry scan. Hypertension was defined as a systolic BP ≥140 and/or diastolic BP ≥90mm Hg, past diagnosis by a physician, or use of antihypertensive medications. Multivariable logistic regression was used to assess the independent risk factors for hypertension. RESULTS: The average age of the 1146 women analysed was 56.3 (SD 6.2) years, and 55.2 percent of them were hypertensive. The prevalence of gestational diabetes and gestational hypertension was 12.6% and 9.4%, respectively. Besides age, abnormal menstrual cycle length at 25 years of age (OR:2.35, CI:1.34-4.13), preeclampsia (OR:2.46, CI:1.06-5.74), increased visceral adiposity (OR:4.21, CI:2.28-7.79) and reduced physical performance (OR:2.83, CI:1.46-5.47) were independently associated with hypertension in Asian women. CONCLUSIONS: Our findings highlight the necessity of including features of menstrual and reproductive history as possible indicators of hypertension risk in cardiovascular disease risk assessment and prevention among Asian women. Reducing visceral adiposity and exercise to improve physical performance may help women avoid developing hypertension.
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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».