Sociodemographic and Behavioral Factors Associated With Hypertension and Depression in 4 Rural Communities in Northern Ghana: A Cross-Sectional Study
Notice bibliographique
Résumé
OBJECTIVES: The prevalences of hypertension and depression in sub-Saharan Africa are substantial and rising, despite limited data on their sociodemographic and behavioral risk factors and their interactions. We undertook a cross-sectional study in 4 communities in the Upper East Region of Ghana to identify persons with hypertension and depression in the setting of a pilot intervention training local nurses and health volunteers to manage these conditions. METHODS: We quantified hypertension and depression prevalence across key sociodemographic factors (age, sex, occupation, education, religion, ethnicity, and community) and behavioral factors (tobacco use, alcohol use, and physical activity) and tested for association by multivariable logistic regression. RESULTS: Hypertension prevalence was higher in older persons (7.6% among 35- to 50-year-olds vs 16.4% among 51- to 70-year-olds) and among those reporting alcohol use (18.9% vs 8.5% between users and nonusers). In multivariable models, only older age (AOR 2.39 [1.02, 5.85]) and residence in the community of Wuru (AOR 7.60 [1.81, 32.96]) were independently associated with hypertension, and residence in Wuru (AOR 23.58 [7.75-78.25]) or Navio (AOR 7.41 [2.30-24.74]) was the only factor independently associated with depression. CONCLUSIONS: We report a high prevalence of both diseases overall and in select communities, a trend that requires further research to inform targeted chronic disease interventions.
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 | 0,001 | 0,000 |
| 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 | 0,002 |
| 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 ».