Regional and rural-urban patterns in the prevalence of diagnosed hypertension among older U.S. adults with diabetes, 2005–2017
Notice bibliographique
Résumé
BACKGROUND: Hypertension prevalence among the overall US adult population has been relatively stable during the last two decades. However, whether this stabilization has occurred across rural-urban communities and across different geographic regions is unknown, particularly among older adults with diabetes who are likely to have concomitant cardiovascular risk factors. METHODS: This serial cross-sectional analysis used the 5% national sample of Medicare administrative claims data (n = 3,516,541) to examine temporal trends (2005-2017) in diagnosed hypertension among older adults with diabetes, across urban-rural communities and US census regions (Northeast, Midwest, South, and West). Joinpoint regression was used to obtain annual percent change (APC) in hypertension prevalence across rural-urban communities and geographic regions, and multivariable adjusted regression was used to assess associations between rural-urban communities and hypertension prevalence. RESULTS: The APC in the prevalence of hypertension was higher during 2005-2010, and there was a slowdown in the increase during 2011-2017 across all regions, with significant variations across rural-urban communities within each of the regions. In the regression analysis, in the adjusted model, older adults living in non-core (most rural) areas in the Midwest (PR = 0.988, 95% CI: 0.981-0.995) and West (PR = 0.935, 95% CI: 0.923-0.946) had lower hypertension prevalence than their regional counterparts living in large central metro areas. CONCLUSIONS: Although the magnitudes of these associations are small, differences in hypertension prevalence across rural-urban areas and geographic regions may have implications for targeted interventions to improve chronic disease prevention and management.
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 | 0,002 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».