Noncommunicable Disease Conditions and HIV in Rural and Urban South Africa: 2005-2015
Notice bibliographique
Résumé
Purpose Hypertension, obesity, hyperlipidemia, and type 2 diabetes contribute primarily to noncommunicable disease deaths and together with human immunodeficiency virus contribute largely to mortality in South Africa. Our longitudinal study provides the necessary data and insights over a 10-year period to highlight the areas where improved management is required in urban and rural localities. Methods This study included 536 rural and 387 urban Black participants aged 32 to 93 years from the North-West province, South Africa. Disease prevalence, treatment, and control were determined in 2005 and were re-evaluated in 2015. Multiple measures analyses were used to determine the trends of blood pressure and waist circumference. Results The initial prevalence of hypertension was 53.2%, obesity was 23.6%, hyperlipidemia was 5.1%, diabetes was 2.9%, and human immunodeficiency virus was 10.7% in 2005. By 2015, the rural population had higher rates of hypertension (63.7% versus 58.5%) and lower rates diabetes (4.3% versus 7.9%) and hyperlipidemia (6.6% versus 18.0%) with similar obesity rates (41.7% versus 42.4%). The average blood pressure levels of urban hypertensives decreased (Ptrend<.001), whereas levels were maintained in the rural group (Ptrend=.52). In both locations, treatment and control rates increased from 2005 to 2015 for all conditions (all ≥6.7%), except for diabetes in which a decrease in control was observed. Waist circumference increased (Ptrend>.001) in both sex and locality groups over the 10-year period. Conclusion Although average blood pressure of urban hypertensive individuals decreased, urgent measures focused on early identification, treatment, and control of the respective conditions should be implemented to decrease the burden of noncommunicable diseases.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 ».